OpenCV中LBPH人脸识别器识别人脸实战(附Python源码)

简介: OpenCV中LBPH人脸识别器识别人脸实战(附Python源码)

需要源码和图片请点赞关注收藏后评论区留言私信~~~

Local Binary Pattern Histofram简称LBPH,即局部二进制模式直方图,这是一种基于局部二进制模式算法,这种算法善于捕获局部纹理特征

开发者需要通过以下三种方法来完成人脸识别操作

1:通过cv2.face.LBPHFaceRecognizer_create()方法创建LBPH人脸识别器对象 语法如下

recognizer=cv2.face.LBPHFaceRecognizer_create(radius,neighbors,grid_x,grid_y,threshold)

radius:可选参数 圆形局部二进制模式的半径,建议使用默认值

neighbors:可选参数,圆形局部二进制模式的采样点数目,建议使用默认值

grid_x:可选参数 水平方向上的的单元格数,建议使用默认值

grid_y:可选参数 垂直方向上的的单元格数  建议使用默认值

threshold:可选参数 人脸识别时使用的阈值,建议使用默认值

2:创建识别器对象后,需要通过对象的train方法训练识别器,建议每个人都给出两幅以上的人脸图像作为训练样本,train方法的语法如下

recognizer.train(src,labels)

参数说明

recognizer 已有的LBPH人脸识别器对象

src 用来训练的人脸图像样本列表,格式为list,样本图像必须宽高一致

labels 样本对应的标签,格式为数组,元素类型为整数,数组长度必须与样本列表长度相同,样本与标签按照插入顺序一一对应

3:训练识别器后就可以通过识别器的predict方法识别人脸,该方法对比样本的特征,给出最接近的结果和评分,语法如下

label,confidence=recognizer.predict(src)

参数说明

src 需要识别的人脸图像 该图像宽高必须与样本一致

label 与样本匹配程度最高的标签值

confidenct 匹配程度最高的信用度评分,评分小于50匹配程度较高,0分表示两幅图像完全一样

下面使用LBPH识别人脸实战

下面以两个人的照片作为训练样本

待识别照片如下

程序输出如下

confidence=45.0823265

RuiRui

程序对比样本特征分析得出,被识别的人物最接近的是RuiRui

部分代码如下

import cv2
import numpy as np
photos = list()  # 样本图像列表
lables = list()  # 标签列表
photos.append(cv2.imread("face\\lxe1.png", 0))  # 记录第1张人脸图像
lables.append(0)  # 第1张图像对应的标签
photos.append(cv2.imread("face\\lxe2.png", 0))  # 记录第2张人脸图像
lables.append(0)  # 第2张图像对应的标签
photos.append(cv2.imread("face\\lxe3.png", 0))  # 记录第3张人脸图像
lables.append(0)  # 第3张图像对应的标签
photos.append(cv2.imread("face\\ruirui1.png", 0))  # 记录第4张人脸图像
lables.append(1)  # 第4张图像对应的标签
photos.append(cv2.imread("face\\ruirui2.png", 0))  # 记录第5张人脸图像
lables.append(1)  #图像对应的标签
photos.append(cv2.imread("face\\ruirui3.png", 0))  # 记录第6张人脸图像
lables.append(1)  # 第6张图像对应的标签
names = {"0": "LXE", "1": "RuiRui"}  # 标签对应的名称字典
recognier = cv2.face.LBPHFaceRecognizer_create()  # 创建LBPH识别器(photos, np.array(lables))  # 识别器开始训练
i = cv2.imread("face\\ruirui4.png", 0)  # 待识别的人脸图像
label, confience = recognizer.predict(i)  # 识别器开始分析人脸图像
print("confidee= " + str(confidence))  # 打印评分
print(names[str(lael)])  # 数组字典里标签对应的名字
cv2.waitKey()  #下任何键盘按键后
cv2.destroyAllWindows()  # 释放所有窗体

总结

人脸检测和人脸识别是相辅相成的,这是因为在进行人脸识别前,要先判断当前图像内是否出现了人脸,这个判断过程需要由人脸检测完成。只有在当前图像内检测到人脸,才能判断出这张人脸属于哪个人,这个判断是由人脸识别器完成的。因此,人脸识别指的是程序先在图像内检测人脸,再识别这张人脸属于哪个人的过程

创作不易 觉得有帮助请点赞关注收藏~~~

相关文章
|
4天前
|
数据采集 机器学习/深度学习 人工智能
Python编程入门:从基础到实战
【10月更文挑战第36天】本文将带你走进Python的世界,从基础语法出发,逐步深入到实际项目应用。我们将一起探索Python的简洁与强大,通过实例学习如何运用Python解决问题。无论你是编程新手还是希望扩展技能的老手,这篇文章都将为你提供有价值的指导和灵感。让我们一起开启Python编程之旅,用代码书写想法,创造可能。
|
5天前
|
机器学习/深度学习 数据可视化 数据处理
Python数据科学:从基础到实战
Python数据科学:从基础到实战
11 1
|
1天前
|
数据采集 存储 数据处理
探索Python中的异步编程:从基础到实战
【10月更文挑战第39天】在编程世界中,时间就是效率的代名词。Python的异步编程特性,如同给程序穿上了一双翅膀,让它们在执行任务时飞得更高、更快。本文将带你领略Python异步编程的魅力,从理解其背后的原理到掌握实际应用的技巧,我们不仅会讨论理论基础,还会通过实际代码示例,展示如何利用这些知识来提升你的程序性能。准备好让你的Python代码“起飞”了吗?让我们开始这场异步编程的旅程!
|
5天前
|
并行计算 数据挖掘 大数据
Python数据分析实战:利用Pandas处理大数据集
Python数据分析实战:利用Pandas处理大数据集
|
1月前
|
计算机视觉
Opencv学习笔记(三):图像二值化函数cv2.threshold函数详解
这篇文章详细介绍了OpenCV库中的图像二值化函数`cv2.threshold`,包括二值化的概念、常见的阈值类型、函数的参数说明以及通过代码实例展示了如何应用该函数进行图像二值化处理,并展示了运行结果。
308 0
Opencv学习笔记(三):图像二值化函数cv2.threshold函数详解
|
2月前
|
算法 计算机视觉
opencv图像形态学
图像形态学是一种基于数学形态学的图像处理技术,它主要用于分析和修改图像的形状和结构。
47 4
|
2月前
|
存储 计算机视觉
Opencv的基本操作(一)图像的读取显示存储及几何图形的绘制
本文介绍了使用OpenCV进行图像读取、显示和存储的基本操作,以及如何绘制直线、圆形、矩形和文本等几何图形的方法。
Opencv的基本操作(一)图像的读取显示存储及几何图形的绘制
|
3月前
|
算法 计算机视觉 Python
python利用opencv进行相机标定获取参数,并根据畸变参数修正图像附有全部代码(流畅无痛版)
该文章详细介绍了使用Python和OpenCV进行相机标定以获取畸变参数,并提供了修正图像畸变的全部代码,包括生成棋盘图、拍摄标定图像、标定过程和畸变矫正等步骤。
python利用opencv进行相机标定获取参数,并根据畸变参数修正图像附有全部代码(流畅无痛版)
WK
|
3月前
|
编解码 计算机视觉 Python
如何在OpenCV中进行图像转换
在OpenCV中,图像转换涉及颜色空间变换、大小调整及类型转换等操作。常用函数如`cvtColor`可实现BGR到RGB、灰度图或HSV的转换;`resize`则用于调整图像分辨率。此外,通过`astype`或`convertScaleAbs`可改变图像数据类型。对于复杂的几何变换,如仿射或透视变换,则可利用`warpAffine`和`warpPerspective`函数实现。这些技术为图像处理提供了强大的工具。
WK
105 1
|
5月前
|
算法 计算机视觉
【Qt&OpenCV 图像的感兴趣区域ROI】
【Qt&OpenCV 图像的感兴趣区域ROI】
164 1