knn实现人脸识别python代码

下面是一个基于Python和OpenCV库的KNN实现人脸识别的代码示例：

import cv2
import numpy as np
import os

# 加载数据集和标签
def load_dataset(dataset_path):
    faces = []
    labels = []
    for dir_name, subdir_list, file_list in os.walk(dataset_path):
        for file_name in file_list:
            if file_name.endswith('.jpg'):
                img_path = os.path.join(dir_name, file_name)
                label = int(dir_name.split('/')[-1])
                img = cv2.imread(img_path, cv2.IMREAD_GRAYSCALE)
                faces.append(img)
                labels.append(label)
    return faces, labels

# 训练模型
def train(faces, labels):
    knn_model = cv2.face.KNearest_create()
    knn_model.train(np.array(faces), cv2.ml.ROW_SAMPLE, np.array(labels))
    return knn_model

# 预测人脸
def predict(knn_model, test_img):
    test_img = cv2.cvtColor(test_img, cv2.COLOR_BGR2GRAY)
    test_img = cv2.resize(test_img, (128, 128))
    test_img = np.array(test_img).reshape(-1, 128*128).astype(np.float32)
    ret, results, neighbours, dist = knn_model.findNearest(test_img, k=5)
    return int(results[0][0])

# 加载数据集和标签
faces, labels = load_dataset('dataset')
# 训练模型
knn_model = train(faces, labels)

# 加载测试图像
test_img = cv2.imread('test.jpg')
# 预测人脸
predicted_label = predict(knn_model, test_img)
print('Predicted label: {}'.format(predicted_label))

在这个示例中，我们假设人脸图像数据集已经按照标签分好类，每个人的图像都在以其标签为名的文件夹中。`load_dataset`函数用于加载数据集和标签，`train`函数用于训练KNN模型，`predict`函数用于预测人脸。最后，我们通过加载测试图像，调用`predict`函数预测人脸，并输出预测结果。