准备工作：
安装opencv
pip install opencv
安装opencv-contrib
pip install opencv-contrib
创建文件夹，文件结构为：
import cv2 as cv
def face_detect_demo():
# ----------------------------------------------将图片灰度化----------------------------------------------
gray = cv.cvtColor(img, cv.COLOR_BGR2GRAY)
# 加载特征数据
face_detector = cv.CascadeClassifier('C:/Program Files (x86)/opencv/sources/data/haarcascades/haarcascade_frontalface_default.xml')
faces = face_detector.detectMultiScale(gray)
for x, y, w, h in faces:
cv.rectangle(img, (x, y), (x + w, y + h), color=(0, 255, 0), thickness=2)
cv.imshow('result',img)
#加载图片
img = cv.imread('C:/Users/Administrator/Desktop/my.jpg')
face_detect_demo()
cv.waitKey(0)
cv.destroyAllWindows()
照片放在data下面的jm文件夹下面，照片名称是我们后面使用到的ID，命名要规范，后缀要一致。如下：
我10张照片里面选了 1-3为马云的,4-7为普京的,8-10是周杰伦的照片。进行训练识别。
import cv2
import os
import sys
from PIL import Image
import numpy as np
def getImageAndLabels(path):
facesSamples=[]
ids=[]
imagePaths=[os.path.join(path,f) for f in os.listdir(path)]
print(imagePaths)
# 检测人脸
face_detector = cv2.CascadeClassifier(
'C:/Program Files (x86)/opencv/sources/data/haarcascades/haarcascade_frontalface_default.xml')
# 遍历列表中的图片
for imagePath in imagePaths:
# 打开图片
PIL_img = Image.open(imagePath).convert('L')
# 将图像转换为数组
img_numpy = np.array(PIL_img,'uint8')
faces = face_detector.detectMultiScale(img_numpy)
# 获取每张图片的id
print(os.path.split(imagePath))
id = int(os.path.split(imagePath)[1].split('.')[0])
for x,y,w,h in faces:
facesSamples.append(img_numpy[y:y+h,x:x+w])
ids.append(id)
return facesSamples,ids
if __name__== '__main__':
#图片路径
path = './data/jm/'
#获取图像 数组和id标签
faces,ids=getImageAndLabels(path)
#获取循环对象
recognizer = cv2.face.LBPHFaceRecognizer_create()
recognizer.train(faces,np.array(ids))
#保存文件
recognizer.write('trainer/trainer.yml')
运行代码后就会生成一个yml文件，这个文件路径我设置在trainer文件夹下面。
五、编写人脸识别代码：
import cv2
import numpy as np
import os
# 1-3,4-7,8-10
names = ['','MY','MY','MY','president:pitin','president:pitin','president:pitin','president:pitin','jay','jay','jay',]
# 加载训练数据和文件
recognizer = cv2.face.LBPHFaceRecognizer_create()
recognizer.read('trainer/trainer.yml')
#准备识别的图片
img = cv2.imread('C:/Users/Administrator/Desktop/6.jpg')
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
face_detector = cv2.CascadeClassifier('C:/Program Files (x86)/opencv/sources/data/haarcascades/haarcascade_frontalface_default.xml')
faces = face_detector.detectMultiScale(gray,minNeighbors=30)
for x,y,w,h in faces:
id, confidence = recognizer.predict(gray[y:y + h, x:x + w]) # 人脸识别
cv2.rectangle(img,(x,y),(x+w,y+h),(0,255,0),2)
name = names[id]
cv2.putText(img,name,(x,y),cv2.FONT_HERSHEY_COMPLEX,1,(128,128,0),2)
print('标签id:',id,'置信评分:',confidence)
cv2.imshow('result',img)
cv2.waitKey(0)
cv2.destroyAllWindows()
基础的人脸检测的思路是：
1.灰度化图片
2.加载特征数据
3.检测灰度图片中的人脸(可以是多个人脸)，获取每一个的人脸坐标
5.遍历绘制人脸框，显示图像
6.释放capture内存，销毁所有窗口。
训练数据的思路：
1.在上面基础上，遍历获取ID和人脸的宽度和高度(y:y+h,x:x+w)
2.创建cv2.face.LBPHFaceRecognizer_create()LBPHFF特征算法类
3.使用.train(faces,np.array(ids))进行训练。
4.保存yml文件.write('trainer/trainer.yml')
人脸识别思路：
1.导入数据文件
# 加载训练数据和文件
recognizer = cv2.face.LBPHFaceRecognizer_create()
recognizer.read('trainer/trainer.yml')
2.按照基础的人脸检测方法，在遍历faces的时候，也就是在被检测的人脸中去匹配特征信息
使用.predict(gray[y:y + h, x:x + w])方法进行人脸识别。
3.最后使用.putText(img,name,(x,y),cv2.FONT_HERSHEY_COMPLEX,1,(128,128,0),2)方法进行标签的绘制。
经过训练后，我去网上找了一张程序从来没有见过的普京的照片。
然后让它识别并且给出一个置信指数，注意指数越低越靠谱，一般来说50的指数为可信度非常强，70以上可信度较弱，指数为0时，则是100%可信，也就是100%匹配。
结果显示 左右的图片(网上找的，程序不认识的)和训练库中id为6的图片匹配(也就是右边的图片)，置信指数55，可见可信度还是比较高的，至此为止整个人脸识别就全部完成了。