import os import cv2 import sys from PIL import Image import numpy as np def getImageAndLabel(path): facSamples = [] ids = [] imagePaths = [] for f in os.listdir(path): result = os.path.join(path, f) imagePaths.append(result) face_detector = cv2.CascadeClassifier( r'E:\pythonProject\haarcascade_frontalface_default.xml') for imagePath in imagePaths: img = cv2.imread(imagePath) PIL_img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) img_numpy = np.array(PIL_img) faces = face_detector.detectMultiScale(img_numpy) id = int(os.path.split(imagePath)[1].split('.')[0]) for x, y, w, h in faces: facSamples.append(img_numpy[y:y + h, x:x + w]) ids.append(id) return facSamples, ids if __name__ == '__main__': path = 'data' faces, ids = getImageAndLabel(path) recognize = cv2.face.LBPHFaceRecognizer_create() recognize.train(faces, np.array(ids)) recognize.write('trainer/train.yaml')

这段代码是用于人脸识别的，首先定义了一个函数 `getImageAndLabel`，用于读取指定路径下的图片并进行人脸检测，将检测到的人脸保存到一个列表中。然后，在 `if __name__ == '__main__'` 中调用 `getImageAndLabel` 函数，读取数据集中的人脸图像并进行训练，训练结束后将结果保存到文件中。

具体来说，该代码使用 OpenCV 库进行人脸检测，使用 PIL（Python Imaging Library）库读取图像，使用 numpy 库将图像转换为数组。其中，`cv2.CascadeClassifier()` 函数是用于加载人脸检测分类器的，需要指定分类器文件的路径。`cv2.imread()` 函数用于读取图像，`cv2.cvtColor()` 函数用于将图像从 BGR 格式转换为灰度格式。`cv2.face.LBPHFaceRecognizer_create()` 函数是用于创建人脸识别器的，使用 LBPH（Local Binary Patterns Histograms）算法进行人脸识别。`recognizer.train()` 函数用于训练识别器，`recognizer.write()` 函数用于将训练结果保存到文件中。