网上有做logo的网站吗,西安网站建设seo优化,wordpress自定义页面,廊坊seo优化排名Python在人脸识别方面功能很强大#xff0c;程序语言简单高效#xff0c;下面小编来编程实现一下如何实现人脸识别。如有错点#xff0c;还望斧正识别图片中的人脸位置#人脸识别分类器路径tool_url rC:\Users\86188\AppData\Local\Programs\Python\Python36-32\Lib\site-pa… Python在人脸识别方面功能很强大程序语言简单高效下面小编来编程实现一下如何实现人脸识别。如有错点还望斧正识别图片中的人脸位置#人脸识别分类器路径tool_url rC:\Users\86188\AppData\Local\Programs\Python\Python36-32\Lib\site-packages\cv2\data\haarcascade_frontalface_default.xml#人脸定位函数def face_detect(img): gray cv.cvtColor(img,cv.COLOR_BGRA2BGR) face cv.CascadeClassifier(tool_url) #将图片转化为灰度图 faces face.detectMultiScale(gray) #确定人脸部分 for x,y,w,h in faces: reg cv.rectangle(img, (x, y),( x w, y h), color(0, 255, 0), thickness2) cv.imshow(reg,reg)根据训练集训练数据并保存(dataTraining.py)import osimport cv2 as cvimport numpyfrom PIL import Image训练数据来自s2和s9def getImageAndIds(path): facesSimples [] ids [] img_paths [os.path.join(path,f) for f in os.listdir(path)] #检测人脸 tool_url rC:\Users\86188\AppData\Local\Programs\Python\Python36-32\Lib\site-packages\cv2\data\haarcascade_frontalface_default.xml # 调用插件获取图像特征 face cv.CascadeClassifier(tool_url) for i in img_paths: # print(i) img Image.open(i).convert(L) # Image._show(img) #将图片转换为数组 img_np numpy.array(img,uint8) # print(img_np) # 获取图像的人脸信息和对应id faces face.detectMultiScale(img_np) id int(i.split(path)[1].split(.)[0])for x, y, w, h in faces: facesSimples.append(img_np[y:yh,x:xw]) ids.append(id) return facesSimples,idsif __name__ __main__: #图片路径 path ./data/ faces,ids getImageAndIds(path) #获取循环对象 reg cv.face.LBPHFaceRecognizer_create() reg.train(faces,numpy.array(ids)) #保存文件 reg.write(trainer/trainer.yml)人脸识别(faceChecking.py)import cv2 as cvimport os,numpy#检测人脸tool_url rC:\Users\86188\AppData\Local\Programs\Python\Python36-32\Lib\site-packages\cv2\data\haarcascade_frontalface_default.xml#图片数据路径path ./data/# 调用插件获取图像特征face cv.CascadeClassifier(tool_url)#加载训练数据reg cv.face.LBPHFaceRecognizer_create()reg.read(trainer/trainer.yml)img cv.imread(3.jpg)#将图像的人脸特征圈出来gray cv.cvtColor(img,cv.COLOR_BGR2GRAY)faces face.detectMultiScale(gray)for x, y, w, h in faces: # print(x,y,w,h) cv.rectangle(gray, (x, y), (x w, y h), color(0, 0, 255), thickness2) #检测出识别后的图片和id id,configence reg.predict(gray[y:yh,x:xw]) #显示对应图片 print(编号:{},置信度:{}.format(id,configence)) aim_img cv.imread(os.path.join(path,str(id).jpg)) #显示目标图片 cv.imshow(aim_img,aim_img)cv.imshow(result,gray)cv.waitKey(0)cv.destroyAllWindows()
