人脸识别python（LBPH）

#coding=utf-8 import cv2 import numpy as np # 添加模块和矩阵模块 # 图片保存路径 save_face_path = 'D:/picture/photo_saving/' save_gray_path = 'D:/picture/gray_train_set/' # 保存照片的文件夹地址 face_cascade = cv2.CascadeClassifier("D:/OpenCV/opencv/build/etc/haarcascades/haarcascade_frontalface_default.xml") cap = cv2.VideoCapture(0) # VideoCapture类用于处理摄像头/视频读取_写入操作。 # 0代表0号摄像头 # 打开摄像头，若打开本地视频，同opencv一样，只需将０换成("×××.avi") sampleNum = 0 Id = raw_input('enter your id: ') while(1): # 持续不断的get a frame ret, frame = cap.read() # show a frame 第一个参数ret 为True 或者False,代表有没有读取到图片,第二个参数frame表示截取到一帧的图片 # 镜像翻转 frame = cv2.flip(frame, 1) # 灰度转换，gray就是灰度图片 gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY) # BGR to gray # 对于BGR，blue在高位，green在中位，red在低位，正好与RGB相反 # 探测图片中的人脸 faces = face_cascade.detectMultiScale(gray, 1.3, 5) # 会得到一串list:size(人脸个数)，[x,y,h,w](人脸的位置) print("faces", faces) # 输出每个检测到的脸的list if not faces is (): # 如果faces不为空 for x, y, z, w in faces: # 同时在faces这个数组中迭代4个参数x,y,z,w。x,y是矩阵左上点的坐标，z是矩阵的宽，w是矩阵的高 roiImg = frame[y:y+w, x:x+z] # ROI，即感兴趣区域，用roiImg设置感兴趣区域的图像 # Python中ROI区域的设置是使用Numpy中的索引来实现的，参数为y的坐标区间和x的坐标区间，w和z为偏移量，保存在roiImg矩阵中 # 保存人脸图片 sampleNum = sampleNum + 1 cv2.imwrite(save_face_path+'User.'+str(Id) + '.' + str(sampleNum) +'.jpg', roiImg) # 保存灰度图片 roi_gray = cv2.cvtColor(roiImg, cv2.COLOR_BGR2GRAY) cv2.imwrite(save_gray_path + 'User.'+str(Id) + '.' + str(sampleNum) +'.jpg', roi_gray) # 将人脸用矩形框出来 cv2.rectangle(frame, (x, y), (x+z, y+w), (0, 255, 0), 2) # (x,y)为起始坐标,(x+z,y+w)为结束坐标，（0,255,0）是画线对应的rgb颜色，2是画线的宽度 cv2.imshow("capture", frame) # 以窗口形式显示frame帧 ，窗口名为capture if cv2.waitKey(1) & 0xFF == ord(chr(27)): # 画面延时1ms并和11111111做与运算，若等于关闭键，则break break # waitKey用于设置显示图像的频率，每1ms刷新一次 # chr(27)为ASCⅡ为27的字符，即ESC，ord函数是将字符转化为ASCⅡ，由于直接输入ESC不是一个字符，因此需要这样转换一下 # 也可以按q关闭，则写成 if cv2.waitKey(1) & 0xFF == ord('q'): 但这样就对大小写有局限性 #model = cv2.face.LBPHFaceRecognizer_create() #model=cv2.face.EigenFaceRecognizer_create( ) #model.train(roiImg, labels) #model.save("MyFacePCAModel.xml") cap.release() # 关闭视频流文件 cv2.destroyAllWindows() # 释放并销毁窗口 # 识别的时候，不需要再保存图片了，只需要匹配就行