File "3.py", line 9, in <module> recognizer.read('./trainner/trainner.yml') AttributeError: 'cv2.face_LBPHFaceRecognizer' object has no attribute 'read'

时间: 2023-12-25 16:22:35 浏览: 128

这个错误是由于cv2.face_LBPHFaceRecognizer对象没有read()方法导致的。在OpenCV 4.0及以上版本中,LBPHFaceRecognizer的read()方法已被移除。相应的,使用read()方法的代码应该改为使用cv2.face.load()方法。你可以使用以下代码:

recognizer = cv2.face.LBPHFaceRecognizer_create()
recognizer.load('./trainner/trainner.yml')

这个代码将创建一个cv2.face_LBPHFaceRecognizer对象,然后使用load()方法从文件中读取训练好的模型。

相关问题

Traceback (most recent call last): File "D:\PyCharm\人工智能练习程序\测试1\GUI.py", line 5, in <module> from FaceRecognition import * File "D:\PyCharm\人工智能练习程序\测试1\FaceRecognition.py", line 4, in <module> recognizer.read('./Model/trainer-2023.yml') cv2.error: OpenCV(4.1.2) C:\projects\opencv-python\opencv_contrib\modules\face\src\facerec.cpp:61: error: (-2:Unspecified error) File can't be opened for reading! in function 'cv::face::FaceRecognizer::read'

这个错误提示是因为FaceRecognition.py中的recognizer.read()方法无法读取指定的文件。根据错误提示,是因为文件无法打开,可能是以下原因导致的:

  1. 文件路径不正确,无法找到文件。可以检查一下路径是否正确,是否存在该文件。

  2. 文件权限问题,当前用户没有权限访问该文件。可以检查一下当前用户对该文件是否有读取权限。

  3. 文件损坏。可以尝试重新下载或复制一份该文件,替换原来的文件。

综上所述,可以逐一排查以上原因,找到并解决问题。

File "3.py", line 12, in <module> recognizer = cv2.face.LBPHFaceRecognizer_create() AttributeError: 'module' object has no attribute 'LBPHFaceRecognizer_create'

这个错误通常是由于OpenCV版本问题导致的。在OpenCV 4.0及以上版本中,LBPHFaceRecognizer的创建方法已经改变了,应该使用cv2.face.LBPHFaceRecognizer_create()。而在OpenCV 3.x版本中,可以使用cv2.face.createLBPHFaceRecognizer()

你可以通过以下代码检查OpenCV版本:

import cv2
print(cv2.__version__)

如果输出的版本号是4.0及以上,那么你应该使用cv2.face.LBPHFaceRecognizer_create()创建对象。如果输出的版本号是3.x,那么你应该使用cv2.face.createLBPHFaceRecognizer()创建对象。

向AI提问 loading 发送消息图标

相关推荐

--------------------------------------------------------------------------- ModuleNotFoundError Traceback (most recent call last) Cell In[5], line 1 ----> 1 import easyocr File ~\AppData\Roaming\Python\Python313\site-packages\easyocr\__init__.py:1 ----> 1 from .easyocr import Reader 3 __version__ = '1.7.2' File ~\AppData\Roaming\Python\Python313\site-packages\easyocr\easyocr.py:3 1 # -*- coding: utf-8 -*- ----> 3 from .recognition import get_recognizer, get_text 4 from .utils import group_text_box, get_image_list, calculate_md5, get_paragraph,\ 5 download_and_unzip, printProgressBar, diff, reformat_input,\ 6 make_rotated_img_list, set_result_with_confidence,\ 7 reformat_input_batched, merge_to_free 8 from .config import * File ~\AppData\Roaming\Python\Python313\site-packages\easyocr\recognition.py:6 4 import torch.utils.data 5 import torch.nn.functional as F ----> 6 import torchvision.transforms as transforms 7 import numpy as np 8 from collections import OrderedDict File ~\AppData\Roaming\Python\Python313\site-packages\torchvision\__init__.py:10 7 # Don't re-order these, we need to load the _C extension (done when importing 8 # .extensions) before entering _meta_registrations. 9 from .extension import _HAS_OPS # usort:skip ---> 10 from torchvision import _meta_registrations, datasets, io, models, ops, transforms, utils # usort:skip 12 try: 13 from .version import __version__ # noqa: F401 File ~\AppData\Roaming\Python\Python313\site-packages\torchvision\datasets\__init__.py:1 ----> 1 from ._optical_flow import FlyingChairs, FlyingThings3D, HD1K, KittiFlow, Sintel 2 from ._stereo_matching import ( 3 CarlaStereo, 4 CREStereo, (...) 12 SintelStereo, 13 ) 14 from .caltech import Caltech101, Caltech256 File ~\AppData\Roaming\Python\Python313\site-packages\torchvision\datasets\_optical_flow.py:13 10 from PIL import Image 12 from ..io.image import decode_png, read_file ---> 13 from .utils import _read_pfm, verify_str_arg 14 from .vision import VisionDataset 16 T1 = Tuple[Image.Image, Image.Image, Optional[np.ndarray], Optional[np.ndarray]] File ~\AppData\Roaming\Python\Python313\site-packages\torchvision\datasets\utils.py:20 18 import numpy as np 19 import torch ---> 20 from torch.utils.model_zoo import tqdm 22 from .._internally_replaced_utils import _download_file_from_remote_location, _is_remote_location_available 24 USER_AGENT = "pytorch/vision" ModuleNotFoundError: No module named 'torch.utils.model_zoo'

-----检测、校验并输出结果----- from imp import reload import cv2 # 准备好识别方法 recognizer = cv2.face.LBPHFaceRecognizer_create() # 使用之前训练好的模型 recognizer.read('trainner/trainner.yml') # 再次调用人脸分类器 cascade_path = "C:\Anacon3\envs\myenv\Lib\site-packages\cv2\data/haarcascade_frontalface_default.xml" face_cascade = cv2.CascadeClassifier(cascade_path) # 加载一个字体,用于识别后,在图片上标注出对象的名字 font = cv2.FONT_HERSHEY_SIMPLEX idnum = 0 # 设置好与ID号码对应的用户名,如下,如0对应的就是初始 names = ['zuo xin', 'un', 'user1', 'user2', 'user3'] # 调用摄像头 cam = cv2.VideoCapture(0) minW = 0.1 * cam.get(3) minH = 0.1 * cam.get(4) while True: ret, img = cam.read() gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) # 识别人脸 faces = face_cascade.detectMultiScale( gray, scaleFactor=1.2, minNeighbors=5, minSize=(int(minW), int(minH)) ) # 进行校验 for (x, y, w, h) in faces: cv2.rectangle(img, (x, y), (x + w, y + h), (0, 255, 0), 2) idnum, confidence = recognizer.predict(gray[y:y + h, x:x + w]) # 计算出一个检验结果 if confidence < 55: idum = names[idnum] confidence = "{0}%", format(round(100 - confidence)) else : confidence = "{0}%", format(round(100 - confidence)) idum = "unknown" # 输出检验结果以及用户名/ cv2.putText(img, str(idum), (x + 5, y - 5), font, 1, (0, 0, 255), 1) cv2.putText(img, str(confidence), (x + 5, y + h - 5), font, 1, (0, 0, 0), 1) # 展示结果 cv2.imshow('camera', img) k = cv2.waitKey(20) if k == cv2.waitKey(20): print('人脸检测成功,门禁已经开锁,请人员进入') # 释放资源 cam.release() cv2.destroyAllWindows()修改为可以识别中文字符串

最新推荐

recommend-type

2023年全国计算机一级理论题汇总.pdf

2023年全国计算机一级理论题汇总.pdf
recommend-type

C#游戏开发教程与实践:应用程序制作

标题与描述重复提及“C#应用程序游戏制作”,这显然是关于使用C#语言开发游戏的内容。C#是一种由微软开发的面向对象的高级编程语言,广泛应用于Windows平台的桌面和服务器端应用程序开发。在游戏开发领域,C#经常与Unity游戏引擎一起使用,因为Unity提供了对C#的全面支持,并且允许开发者利用这一语言来编写游戏逻辑、控制游戏流程和实现各种交互效果。 根据标题和描述,我们可以提炼出以下几点关键知识点: 1. C#编程基础 C#是一种强类型、面向对象的编程语言。游戏开发人员需要熟悉C#的基本语法,包括数据类型、控制结构、类和对象、继承、接口、委托、事件等。这些是使用C#进行游戏开发的基础。 2. Unity游戏引擎 Unity是一个跨平台的游戏开发引擎,支持2D和3D游戏的开发。Unity编辑器提供场景编辑、物理引擎、光照、动画等多种工具。Unity支持C#作为主要的脚本语言,使得游戏开发者可以利用C#来编写游戏逻辑和交互。 3. 游戏开发流程 游戏制作是一个涉及多个阶段的过程,包括概念设计、原型开发、内容创建、编程、测试和发布。了解C#在游戏开发每个阶段中的应用是十分重要的。 4. 游戏引擎架构和API 游戏引擎提供的API使得开发者可以访问和控制引擎的各种功能,如渲染、音效、输入管理等。C#开发者需要熟悉Unity的API,以便高效地利用引擎资源。 5. 脚本编写 在Unity中,游戏逻辑通常是通过编写C#脚本实现的。开发者需要掌握如何在Unity项目中创建、组织和调试C#脚本。 6. 性能优化 游戏性能优化是游戏开发中的一个重要方面。了解C#中的内存管理、垃圾回收、性能分析工具等,对于确保游戏流畅运行至关重要。 7. 图形和动画 C#与Unity结合可以用来创建游戏中的2D和3D图形以及动画。开发者需要掌握如何使用C#代码来控制Unity的动画系统和渲染管线。 8. 物理引擎和碰撞检测 Unity内置了物理引擎,C#脚本可以用来控制物理行为,如刚体动力学、力和碰撞检测等。了解如何利用C#在Unity中实现物理交互是游戏开发的一个核心技能。 由于文件名列表中仅提供“练习读取文件”的信息,这并不直接与游戏开发相关,因此我们无法从这个信息中推断出关于游戏制作的额外知识点。不过,阅读和解析文件是编程的基础技能之一,对于游戏开发者来说,能够正确处理和读取项目所需的各类资源文件(如图片、音频、配置文件等)是非常重要的。 综上所述,上述知识点是游戏开发者在使用C#和Unity进行游戏开发过程中必须掌握的核心技能。通过深入学习这些内容,开发者能够更好地利用C#语言来制作出高质量和高性能的游戏作品。
recommend-type

5G网络架构精讲:核心至边缘的全面解析

# 摘要 本文全面分析了5G网络架构的特点、核心网的演进与功能、无线接入网的技术和架构、边缘计算与网络架构的融合,以及5G网络安全架构与策略和网络的管理运维。从5G网络架构的概述入手,深入到核心网虚拟化、网
recommend-type

vscode中配置node

### 配置 Visual Studio Code 的 Node.js 开发环境 #### 安装必要的扩展 为了更好地支持Node.js开发,在Visual Studio Code中推荐安装一些有用的扩展。可以通过访问Visual Studio Code的市场来查找并安装这些扩展,例如JavaScript(ES6) code snippets、Path Intellisense等[^1]。 #### 设置工作区和文件夹结构 当准备在一个新的项目上开始时,应该先创建一个新的文件夹作为项目的根目录,并在这个位置初始化Git仓库(如果打算使用版本控制)。接着可以在命令行工具里执行`npm ini
recommend-type

Thinkphp在线数据库备份与还原操作指南

数据库备份是信息系统中非常重要的一环,它能够在数据丢失、系统故障或受到攻击后,快速恢复数据,减少损失。ThinkPHP是一个流行的PHP开发框架,它提供了一套简便的开发模式,经常被用于快速构建Web应用。在使用ThinkPHP开发过程中,数据库备份和还原是一项基础且必要的工作,尤其是在生产环境中,对于保证数据的安全性和完整性至关重要。 ### 数据库备份的必要性 在进行数据库备份之前,首先要明确备份的目的和重要性。数据库备份的主要目的是防止数据丢失,包括硬件故障、软件故障、操作失误、恶意攻击等原因造成的损失。通过定期备份,可以在灾难发生时迅速恢复到备份时的状态,降低业务中断的风险。 ### ThinkPHP框架与数据库备份 ThinkPHP框架内核自带了数据库操作类DB类,它提供了简单而强大的数据库操作能力。但DB类本身并不直接提供备份和还原数据库的功能。因此,要实现在线备份下载和还原功能,需要借助额外的工具或编写相应的脚本来实现。 ### 数据库在线备份下载 在线备份数据库通常意味着通过Web服务器上的脚本,将数据库数据导出到文件中。在ThinkPHP中,可以结合PHP的PDO(PHP Data Objects)扩展来实现这一功能。PDO扩展提供了一个数据访问抽象层,这意味着无论使用什么数据库,都可以使用相同的函数来执行查询和获取数据。 1. **PDO的使用**:通过ThinkPHP框架中的DB类建立数据库连接后,可以使用PDO方法来执行备份操作。通常,备份操作包括将表结构和数据导出到.sql文件中。 2. **生成.sql文件**:生成.sql文件通常涉及执行SQL的“SAVEPOINT”,“COMMIT”,“USE database_name”,“SELECT ... INTO OUTFILE”等语句。然后通过PHP的`header`函数来控制浏览器下载文件。 3. **ThinkPHP的响应类**:为了方便文件下载,ThinkPHP框架提供了响应类,可以用来设置HTTP头部信息,并输出文件内容给用户下载。 ### 数据库还原 数据库还原是备份的逆过程,即将.sql文件中的数据导入数据库中。在ThinkPHP中,可以编写一个还原脚本,利用框架提供的方法来执行还原操作。 1. **读取.sql文件**:首先需要将上传的.sql文件读取到内存中,可以使用PHP的`file_get_contents()`函数读取文件内容。 2. **执行SQL语句**:读取到.sql文件内容后,通过ThinkPHP的DB类或直接使用PDO对象来执行其中的SQL语句。 3. **处理数据导入**:如果是大型数据库备份,直接通过脚本执行SQL语句可能会耗时较长,可以考虑使用数据库管理工具(如phpMyAdmin)来导入.sql文件,或者使用命令行工具(如mysql命令)进行导入。 ### 安全性考虑 在进行数据库备份和还原时,需要注意安全性的问题: 1. **备份文件的加密存储**:备份得到的.sql文件应存储在安全的位置,并考虑使用密码或其他加密手段进行保护。 2. **还原操作的权限控制**:需要确保只有具备相应权限的用户可以访问和执行还原操作。 3. **数据传输加密**:如果通过Web下载备份文件或上传还原文件,应确保使用HTTPS协议加密数据传输,防止数据被截获。 ### ThinkPHP框架内核的使用 虽然ThinkPHP框架内核不直接提供数据库备份和还原功能,但它的灵活配置和高度扩展性允许开发者快速实现这些功能。例如,可以在ThinkPHP的模块系统中创建一个新的模块,专门用于处理数据库的备份和还原任务。通过模块化的方式,可以将相关代码封装起来,方便维护和扩展。 ### 结论 在ThinkPHP框架中实现数据库的在线备份下载和还原功能,需要开发者具备一定的PHP编程技能和对数据库操作的理解。通过合理运用ThinkPHP框架提供的类和方法,并注意数据安全性问题,开发者可以构建出稳定可靠的备份和还原解决方案,从而保护开发的Web应用的数据安全。
recommend-type

【5G网络新纪元】:掌握5G Toolbox的15个必知技巧

# 摘要 随着第五代移动通信技术(5G)的发展,5G Toolbox作为网络测试与管理的重要工具,提供了网络性能测试、设备管理、网络切片管理和安全管理等方面的技巧和方法。本文首先介绍了5G网络的基础知识和5G Toolbox的基本功能。随后,深入探讨了使用5G Toolbox进行网络性能测试,包括延迟、吞吐量、信号覆盖和质量分析等;网络设备的注册
recommend-type

visual studio逐语句是灰的

### 解决 Visual Studio 中逐语句调试选项变灰的问题 当遇到 Visual Studio 中逐语句调试选项变为灰色不可用的情况时,通常是因为当前项目配置或编译设置不满足逐语句调试的要求。以下是可能的原因及对应的解决方案: #### 1. 编译器优化设置 如果启用了编译器优化,则某些调试功能可能会被禁用。为了启用逐语句调试,应确保关闭了优化选项。 - 打开项目的属性页,在菜单栏上选择“项目>属性”。 - 导航到“配置属性>C/C++>优化”,并将“优化级别”设为“已禁用(/Od)”[^1]。 #### 2. 调试信息生成 确认是否正确设置了生成调试信息的选项。对于 C++
recommend-type

xcovid:基于转移学习的COVID-19肺部X射线图像分类Web应用

标题所含知识点: - "xcovid"指的是一个项目名称,该项目内容涉及开发一个基于转移学习的COVID-19肺部X射线分类器,并将其制作成Web应用程序。 - "转移学习"是一种机器学习方法,它利用一个问题领域中已解决的模型作为另一个相关问题的解决方案的基础,即通过转移之前的学习经验来加速新问题的学习过程。 - "COVID-19肺部X射线分类"指的是利用机器学习模型来区分和识别X射线图像中是否显示有与COVID-19相关的肺部症状。 描述中所含知识点: - 首先,项目通过Git版本控制系统的克隆命令`git clone`实现对项目代码的复制。 - 其次,项目使用命令行工具通过`cd xcovid`切换到对应的项目目录。 - 运行项目需要输入`streamlit run app.py`命令,并且应用将在本地服务器的网页界面中打开,这个Web应用程序的界面语言是巴西葡萄牙语。 - 使用的分类模型是基于ResNet50架构的卷积神经网络(CNN),该模型通过使用ImageNet的预训练权重,并结合特定于COVID-19 X射线数据集进行微调。 - 项目中还包含了对模型训练过程的详细说明,可参见`rede.ipynb`文件,这是一份Jupyter Notebook文档,它通常用于数据处理和机器学习建模。 - 数据集的不平衡性是机器学习中常见的问题,特别是像COVID-19这种罕见事件的识别,处理数据不平衡问题对于模型的训练至关重要。 - `call_model.py`是项目的组成部分,它可能负责在后端服务与前端Web应用程序之间传递模型预测的结果。 标签中所含知识点: - "pytorch"是Python中一个流行的深度学习框架,用于构建和训练深度神经网络。 - "cnn-classification"表示应用卷积神经网络(CNN)进行图像分类任务。 - "transfer-learning-with-cnn"指的是利用转移学习技术,在CNN上实施的转移学习策略。 - "streamlit"是一个开源的Web应用程序框架,用于构建和分享漂亮、高性能的数据应用程序。 - "streamlit-webapp"表示这是使用Streamlit框架创建的Web应用程序。 - "covid-19"指明了该应用程序的用途,即与COVID-19相关的内容。 - "JupyterNotebook"是一种用于编写和分享包含实时代码、方程、可视化和文本的文档格式。 压缩包子文件的文件名称列表中所含知识点: - "xcovid-main"暗示着这是项目的主压缩包,包含了启动和运行该Web应用程序所需的所有关键文件和目录结构。 综上所述,本项目“xcovid”是一个基于转移学习和CNN技术构建的Web应用程序,主要目的是利用深度学习技术来识别和分类COVID-19患者的肺部X射线图像。项目包括了一个可执行的Web界面和一个数据预处理与模型训练的详细过程。此外,该项目展示了如何通过Streamlit框架快速部署一个机器学习模型,并通过Web界面提供交互式使用体验。
recommend-type

【ADS高级仿真,效率翻倍】:提升射频电路设计的专业技巧

# 摘要 本文系统地探讨了射频电路设计及使用ADS(Advanced Design System)高级仿真工具进行射频电路建模、仿真优化以及应用的全过程。文章从射频元件的理论模型和建模技术入手,逐步深入到仿真优化技巧和复杂射频系统的实际应用,并通过案例研究展示了ADS在提高射频电路设计效率方面的显著效果。此外,文章还前瞻性地分析了射频电路设计与仿真领域的未来
recommend-type

visual studio引入zlib库

### 如何在 Visual Studio 中引入和配置 zlib 库 #### 准备工作 为了成功地在 Visual Studio 中集成并使用 zlib 库,需要下载 zlib 的源码包。可以从官方网站获取最新版本的 zlib 源代码压缩包。 #### 解压与项目导入 解压下载好的 zlib 压缩包到指定目录,在该路径下可以找到用于 Visual Studio 的解决方案文件 `zlibvc.sln` 文件位于 `zlib-1.2.5/contrib/vstudio/vc10/zlibvc.sln`[^1]。双击此 `.sln` 文件可以直接打开对应的 Visual Studio 工程
手机看
程序员都在用的中文IT技术交流社区

程序员都在用的中文IT技术交流社区

专业的中文 IT 技术社区,与千万技术人共成长

专业的中文 IT 技术社区,与千万技术人共成长

关注【CSDN】视频号,行业资讯、技术分享精彩不断,直播好礼送不停!

关注【CSDN】视频号,行业资讯、技术分享精彩不断,直播好礼送不停!

客服 返回
顶部