OpenCV中LBPH人脸识别器识别人脸实战（附Python源码）-Toy模板网

这篇具有很好参考价值的文章主要介绍了OpenCV中LBPH人脸识别器识别人脸实战（附Python源码）。希望对大家有所帮助。如果存在错误或未考虑完全的地方，请大家不吝赐教，您也可以点击"举报违法"按钮提交疑问。

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

OpenCV中LBPH人脸识别器识别人脸实战（附Python源码）

待识别照片如下

OpenCV中LBPH人脸识别器识别人脸实战（附Python源码）

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