使用OpenCV进行人脸识别--(4)训练人脸识别模型

本文将介绍如何使用OpenCV进行人脸识别模型的训练。

1. 收集人脸数据

首先需要准备一些标记了人脸的图像，可以通过人工标注或使用自动化工具来收集。要求每个人的数据独立，没有与其他人的数据交叠。对于每个人，建议至少收集15张标记了人脸的图像。

2. 准备数据集

将数据集按照以下格式进行组织：

data/
    person1/
        image1.jpg
        image2.jpg
        ...
    person2/
        image1.jpg
        image2.jpg
        ...
    ...

3. 训练模型

使用OpenCV中的 `cv2.face.LBPHFaceRecognizer_create()` 函数进行模型的训练。此函数需要接收两个参数，打开数据集后，第一个是训练图像列表，第二个是标记列表。

一旦模型训练完成，可以将它保存下来以备后续使用。

以下是示例代码：

import cv2
import os

# 准备数据集
data_dir = "data"
labels = []
images = []
for subdir in os.listdir(data_dir):
    subdir_path = os.path.join(data_dir, subdir)
    if os.path.isdir(subdir_path):
        label = int(subdir[1:])
        for filename in os.listdir(subdir_path):
            image_path = os.path.join(subdir_path, filename)
            image = cv2.imread(image_path, cv2.IMREAD_GRAYSCALE)
            images.append(image)
            labels.append(label)

# 训练模型
face_recognizer = cv2.face.LBPHFaceRecognizer_create()
face_recognizer.train(images, labels)

# 保存模型
model_file = "face_recognizer.yml"
face_recognizer.write(model_file)

print("Model Trained")

以上代码将在 `data` 目录中查找子目录 `person1`, `person2` 等人的图像。`cv2.imread()` 函数读取图像并将其添加到图像列表中，同时将标签添加到相应的标签列表中。然后通过 `cv2.face.LBPHFaceRecognizer_create()` 函数来创建一个人脸识别器，并调用 `train()` 函数以训练识别器。最后，使用 `write()` 函数将模型保存到文件中。

4. 使用模型

训练完成后，可以使用以下代码来使用模型：

import cv2

# 加载模型
model_file = "face_recognizer.yml"
face_recognizer = cv2.face.LBPHFaceRecognizer_create()
face_recognizer.read(model_file)

# 读取图像并进行人脸识别
image = cv2.imread("test_image.jpg", cv2.IMREAD_GRAYSCALE)
label = face_recognizer.predict(image)[0]

使用 `cv2.face.LBPHFaceRecognizer_create()` 函数加载模型，然后再使用 `read()` 函数加载已保存的模型。要对新图像进行预测，读取图像并使用 `predict()` 函数进行预测。该函数将返回一个元组 (label, confidence) ，其中 label 是预测的标签，confidence 是模型的置信度。