人脸识别pythonLBPH

基于LBP算法的人脸识别程序（python），建立相应的文件夹，修改代码路径即可使用，很基础的代码供人脸识别学习。

#coding=utf-8
import cv2
import numpy as np  # 添加模块和矩阵模块
# 图片保存路径
save_face_path = ‘D:/picture/photo_saving/‘
save_gray_path = ‘D:/picture/gray_train_set/‘  # 保存照片的文件夹地址
face_cascade = cv2.CascadeClassifier（“D:/OpenCV/opencv/build/etc/haarcascades/haarcascade_frontalface_default.xml“）
cap = cv2.VideoCapture（0）  # VideoCapture类用于处理摄像头/视频读取_写入操作。
# 0代表0号摄像头
# 打开摄像头，若打开本地视频，同opencv一样，只需将０换成（“×××.avi“）
sampleNum = 0
Id = raw_input（‘enter your id: ‘）
while（1）:    # 持续不断的get a frame
    ret frame = cap.read（）    # show a frame 第一个参数ret 为True 或者False代表有没有读取到图片第二个参数frame表示截取到一帧的图片
    # 镜像翻转
    frame = cv2.flip（frame 1）
    # 灰度转换，gray就是灰度图片
    gray = cv2.cvtColor（frame cv2.COLOR_BGR2GRAY）  # BGR to gray
    # 对于BGR，blue在高位，green在中位，red在低位，正好与RGB相反
    # 探测图片中的人脸
    faces = face_cascade.detectMultiScale（gray 1.3 5）  # 会得到一串list:size（人脸个数），[xyhw]（人脸的位置）
    print（“faces“ faces）  # 输出每个检测到的脸的list

    if not faces is （）:  # 如果faces不为空
        for x y z w in faces:  # 同时在faces这个数组中迭代4个参数xyzw。xy是矩阵左上点的坐标，z是矩阵的宽，w是矩阵的高
            roiImg = frame[y:y+w x:x+z]  # ROI，即感兴趣区域，用roiImg设置感兴趣区域的图像
            # Python中ROI区域的设置是使用Numpy中的索引来实现的，参数为y的坐标区间和x的坐标区间，w和z为偏移量，保存在roiImg矩阵中
            # 保存人脸图片
            sampleNum = sampleNum + 1
            cv2.imwrite（save_face_path+‘User.‘+str（Id） + ‘.‘ + str（sampleNum） +‘.jpg‘ roiImg）
            # 保存灰度图片
            roi_gray = cv2.cvtColor（roiImg cv2.COLOR_BGR2GRAY）
            cv2.imwrite（save_gray_path + ‘User.‘+str（Id） + ‘.‘ + str（sampleNum） +‘.jpg‘ roi_gray）
            # 将人脸用矩形框出来
            cv2.rectangle（frame （x y） （x+z y+w） （0 255 0） 2）  # （xy）为起始坐标（x+zy+w）为结束坐标，（02550）是画线对应的rgb颜色，2是画线的宽度

    cv2.imshow（“capture“ frame）  # 以窗口形式显示frame帧 ，窗口名为capture

    if cv2.waitKey（1） & 0xFF == ord（chr（27））:  # 画面延时1ms并和11111111做与运算，若等于关闭键，则break
        break   # waitKey用于设置显示图像的频率，每1ms刷新一次
                # chr（27）为ASCⅡ为27的字符，即ESC，ord函数是将字符转化为ASCⅡ，由于直接输入ESC不是一个字符，因此需要这样转换一下
                # 也可以按q关闭，则写成 if cv2.waitKey（1） & 0xFF == ord（‘q‘）: 但这样就对大小写有局限性
#model = cv2.face.LBPHFaceRecognizer_create（）
#model=cv2.face.EigenFaceRecognizer_create（	）
#model.train（roiImg labels）
#model.save（“MyFacePCAModel.xml“）
cap.release（）   # 关闭视频流文件
cv2.destroyAllWindows（）  # 释放并销毁窗口
# 识别的时候，不需要再保存图片了，只需要匹配就行

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----

     文件       3308  2019-04-23 09:35  generate.py

     文件       1514  2019-04-23 18:32  recognizer.py

     文件       1085  2019-04-23 19:21  trainner.py

----------- ---------  ---------- -----  ----

                 5907                    3