opencv人脸识别数据集

### OpenCV 人脸识别数据集下载指南

对于希望利用 OpenCV 进行人脸识别研究或开发应用的人来说，获取合适的数据集至关重要。OpenCV 官方提供了丰富的人脸识别数据集资源，这些数据集不仅有助于训练模型，还能加速项目的进展[^1]。

#### 获取官方支持的人脸识别数据集

为了方便开发者访问高质量的人脸识别数据集，OpenCV 社区维护了一个专门页面来整理并分享各类人脸图像库。通过访问 [OpenCV GitHub](https://github.com/opencv/opencv/tree/master/data)，可以找到多个经典且广泛应用的数据集合链接，其中包括但不限于：

- **LFW (Labeled Faces in the Wild)**: 提供大量自然场景下拍摄的真实人物照片。
- **AT&T Face Database**: 包含不同光照条件下的多角度正面脸部图片。
- **Yale Face Database B**: 收录了多种表情变化以及遮挡情况的脸部样本。

除了上述提到的一些知名数据库外，在同一目录下还可以发现其他由社区贡献者上传的小型测试集或是特定应用场景所需的数据源文件夹。

#### 使用 Python 和 OpenCV 加载预处理后的 LFW 数据集实例
如果想要快速上手实践，则可以直接安装 `sklearn` 库中的 LFW 子模块来进行简单的加载操作：

from sklearn.datasets import fetch_lfw_people
import matplotlib.pyplot as plt

lfw_people = fetch_lfw_people(min_faces_per_person=70, resize=0.4)

fig, ax = plt.subplots(3, 4)
for i, axi in enumerate(ax.flat):
    axi.imshow(lfw_people.images[i], cmap='bone')
    axi.set(xticks=[], yticks=[],
            xlabel=lfw_people.target_names[lfw_people.target[i]])
plt.show()

此段代码展示了如何轻松导入 LFW 中至少有 70 张面孔的人物，并将其可视化展示出来以便观察学习效果。