python学opencv|读取图像（七十四）人脸识别：EigenFaces算法 ...

【1】引言

前序学习进程中，做的是检测，只是能检测出来由人脸、猫脸和行人，相关文章链接为：
python学opencv|读取图像（七十一）使用cv2.CascadeClassifier()函数+detectMultiScale()函数实现图像中的人脸检测-CSDN博客
python学opencv|读取图像（七十二）猫脸检测：使用cv2.CascadeClassifier()函数+detectMultiScale()函数实现图像中的猫脸检测-CSDN博客
python学opencv|读取图像（七十三）行人检测：使用cv2.CascadeClassifier()函数+detectMultiScale()函数实现图像中的行人检测-CSDN博客
更进一步，如果想在检测出来的人脸上识别出是谁的脸，就要用到人脸识别。
人脸识别的算法有三种，本次学习其中的EigenFaces算法。
【2】原理阐明

人脸识别必要用到不同的算法，把算法理解成识别器。详细操纵的时间，先挑选一种算法，然后使用这种算法举行练习，练习之后再去看识别结果。   
【3】官网教程

首先点击下方链接，直达人脸识别的阐明页官网教程：
OpenCV: Face Recognition with OpenCV
在这里，非常清晰地阐明了当前有三种人脸识别算法：

图1  人脸识别官网阐明

官网页面内容非常丰富，但学习必要抓重要内容，因此只要关注Eigenfaces就可以。
固然，细心的朋侪肯定也发现了，这个页面提供了一些照片集，大家可以自行下载。
继承下拉会看到，关于Eigenfaces给出了背后的算法证实：

图2  Eigenfaces算法证实

现实上，如果不是做研究，这个算法说空也不用太过穷究，由于重要的精力要放在实现好的人脸识别上。
在这个页面之后，给出了C++的案例，就不继承研究这个页面了，请点击下方链接直达新的页面：
OpenCV: cv::face::EigenFaceRecognizer Class Reference
这个新页面给出了在python中怎样通过Eigenfaces算法创建进人脸识别器：

图3  cv.face.EigenFaceRecognizer.create识别器

详细的，cv.face.EigenFaceRecognizer.create识别器有两个参数：
   cv.face.EigenFaceRecognizer.create(    
  num_components              #可选参数，PCA（主成分分析）中保留分量的个数
  threshold  )                        #可选参数，人脸识别的阈值
  创建识别器之后，必要对图像举行练习，所以还要用一个函数cv.face.FaceRecognizer.train()来创建练习器，点击下方链接直达：
OpenCV: cv::face::FaceRecognizer Class Reference

图4   用函数cv.face.FaceRecognizer.train()创建练习器

详细的，cv.face.FaceRecognizer.train()练习器有两个参数：
   cv.face.FaceRecognizer.train( 
  src                    #用来练习的样本图像，要求尺寸巨细一致
  labels )             #样本图像对应的标签
  练习器练习完样本之后，可以使用cv.face.FaceRecognizer.predict()函数对待识别图像举行识别，点击下方链接，直达cv.face.FaceRecognizer.predict()函数的官网页面：
OpenCV: cv::face::FaceRecognizer Class Reference
详细的，cv.face.FaceRecognizer.predict()只有一个参数：
   cv.face.FaceRecognizer.predict(
  src            #待识别图像，要求与练习样本尺寸一致
  )
  cv.face.FaceRecognizer.predict(src)会输出两个结果：
   label：待测图像和样本图像最佳匹配时，对应的样本图像标签值
  confidence：匹设置信度，小于5000认为匹配结果好，0表现完全一样。
  【4】代码测试

此处举行代码测试：
首先是引入必要的模块，界说两个空列表，分别用来存储图像和图像对应的标签：

1. import cv2 as cv #引入cv2模块
2. import numpy as np #引入numpy模块
4. photos = []  #定义photo空列表,用来存储图像
5. labels = []  #定义lables空列表,用来存储图像对应的标签

复制代码

然后使用了3张图像作为样本来练习，这里要给出样本的存储地址：

1. # 定义图片路径列表
2. image_paths = [
3.     r"D:\python\pythonworkspace\pythonProject3\zyz\01.jpg",
4.     r"D:\python\pythonworkspace\pythonProject3\zyz\02.jpg",
5.     r"D:\python\pythonworkspace\pythonProject3\zyz\03.jpg"
6. ]

复制代码

为了把图像同一尺寸，必要先给定相关尺寸的约束条件：

1. #定义图像尺寸信息
2. width=600  #定义一个初始宽度量
3. height=800  #定义一个初始高度量
4. target_size = (width,height) #定义一个元组，存储宽度量和高度量
6. # 读取其余图片并调整尺寸
7. for path in image_paths[0:]:
8.     img = cv.imread(path, 0)
9.     if img is not None:
10.         # 调整图像尺寸为与第一张图片相同
11.         img = cv.resize(img, target_size)
12.         photos.append(img)
13.         labels.append(0)
14.     else:
15.         print(f"无法读取图片: {path}")

复制代码

图像尺寸同一完成之后，必要给这一组图像加一个标签：

1. #定义标签
2. names = {"0": "su"}

复制代码

然后创建人脸识别器：

1. # 创建人脸识别器
2. recognizer = cv.face.EigenFaceRecognizer.create()

复制代码

然后练习人脸识别器：

1. # 训练人脸识别器
2. if photos and labels:
3.     recognizer.train(photos, np.array(labels)) #训练器读入人脸样本和对应标签

复制代码

之后就是把待测图像拿进来举行测试。
先读取图像：

1. # 读取测试图片
2.     test_image_path = r"D:\python\pythonworkspace\pythonProject3\zyz\09.jpg"
3.     test_img = cv.imread(test_image_path, 0)

复制代码

然后把图像尺寸修改成和样本同一的巨细，之后就可以举行对比识别：

1.     if test_img is not None:
2.         # 调整测试图像尺寸与第一张图片一致
3.         test_img = cv.resize(test_img, target_size)
4.         label, confidence = recognizer.predict(test_img)

复制代码

对于识别结果，必要按照匹配度再次处置惩罚：

1. # 设定识别阈值
2.         threshold = 5000  # 可根据实际情况调整
3.         if confidence > threshold:
4.             # 将灰度图转换为彩色图以便添加彩色文字
5.             test_img_color = cv.cvtColor(test_img, cv.COLOR_GRAY2BGR)
6.             # 添加未识别标记
7.             cv.putText(test_img_color, "Unrecognized", (10, 30), cv.FONT_HERSHEY_SIMPLEX, 1, (0, 0, 255), 2)
8.             output_img = test_img_color
9.         else:
10.             print(f'confidence={confidence}')
11.             print(names[str(label)])
12.             # 将灰度图转换为彩色图
13.             output_img = cv.cvtColor(test_img, cv.COLOR_GRAY2BGR)

复制代码

末了是输出图像：

1.         # 输出图像
2.         cv.imshow('Result Image', output_img)
3.         cv.waitKey(0)
4.         cv.destroyAllWindows()
5.     else:
6.         print(f"无法读取测试图片: {test_image_path}")

复制代码

为了更好地理解，直接给出完整代码：

1. import cv2 as cv #引入cv2模块
2. import numpy as np #引入numpy模块
4. photos = []  #定义photo空列表,用来存储图像
5. labels = []  #定义lables空列表,用来存储图像对应的标签# 定义图片路径列表
6. image_paths = [
7.     r"D:\python\pythonworkspace\pythonProject3\zyz\01.jpg",
8.     r"D:\python\pythonworkspace\pythonProject3\zyz\02.jpg",
9.     r"D:\python\pythonworkspace\pythonProject3\zyz\03.jpg"
10. ]#定义图像尺寸信息
11. width=600  #定义一个初始宽度量
12. height=800  #定义一个初始高度量
13. target_size = (width,height) #定义一个元组，存储宽度量和高度量
15. # 读取其余图片并调整尺寸
16. for path in image_paths[0:]:
17.     img = cv.imread(path, 0)
18.     if img is not None:
19.         # 调整图像尺寸为与第一张图片相同
20.         img = cv.resize(img, target_size)
21.         photos.append(img)
22.         labels.append(0)
23.     else:
24.         print(f"无法读取图片: {path}")#定义标签
25. names = {"0": "su"}# 创建人脸识别器
26. recognizer = cv.face.EigenFaceRecognizer.create()# 训练人脸识别器
27. if photos and labels:
28.     recognizer.train(photos, np.array(labels)) #训练器读入人脸样本和对应标签    # 读取测试图片
29.     test_image_path = r"D:\python\pythonworkspace\pythonProject3\zyz\09.jpg"
30.     test_img = cv.imread(test_image_path, 0)    if test_img is not None:
31.         # 调整测试图像尺寸与第一张图片一致
32.         test_img = cv.resize(test_img, target_size)
33.         label, confidence = recognizer.predict(test_img)
34.         # 设定识别阈值
35.         threshold = 5000  # 可根据实际情况调整
36.         if confidence > threshold:
37.             # 将灰度图转换为彩色图以便添加彩色文字
38.             test_img_color = cv.cvtColor(test_img, cv.COLOR_GRAY2BGR)
39.             # 添加未识别标记
40.             cv.putText(test_img_color, "Unrecognized", (10, 30), cv.FONT_HERSHEY_SIMPLEX, 1, (0, 0, 255), 2)
41.             output_img = test_img_color
42.         else:
43.             print(f'confidence={confidence}')
44.             print(names[str(label)])
45.             # 将灰度图转换为彩色图
46.             output_img = cv.cvtColor(test_img, cv.COLOR_GRAY2BGR)        # 输出图像
47.         cv.imshow('Result Image', output_img)
48.         cv.waitKey(0)
49.         cv.destroyAllWindows()
50.     else:
51.         print(f"无法读取测试图片: {test_image_path}")

复制代码

代码运行使用的练习样本均为女明星：

图5  练习样本

使用豆包AI天生的篮球明星举行识别，发现很好辨认出不是一个人：

图6 识别结果

【5】总结

掌握了python+opencv实现通过EigenFaces算法实现人脸识别的技巧。

免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。