Python作為一門編程語言，這門語言的魅力和影響力已經遠超C#、C++等編程語言前輩，被程序員譽為“美好的”編程語言。Python基本上可以說是全能的，系統運維、圖形處理、數學處理、文本處理、數據庫編程、網絡編程、web編程、多媒體應用、pymo引擎、黑客編程、爬蟲編寫、機器學習、人工智能等等，Python應用無處不在。其優勢更是不言而喻，簡單易學、高層語言、免費開源、可移植性強、豐富的庫、面向對象、可擴展性、可嵌入型、規范的代碼等……
有很多初學Python的小伙伴們都覺得Python比較難學，看書吧，看了就忘了，網上的一些教程又是寫的含糊不清，故而學習起來很吃力…
故此，本專欄親自研究，實踐，由易到難，層層深入，將調試過程中所遭所遇進行詳細講解，注意事項進行一一列舉，希望能夠幫助到各位初學Python的小伙伴，避免走彎路，費時費力。
本篇我們先學習下Python的人臉模型訓練與人臉識別。話不多說，先看下效果圖。
對於Python程序設計，主要就是基礎語法、函數與模塊、正則表達式、內存管理與多線程，即為Python的精髓。
1、基礎語法：Python編程語言的變量、字符、常用運算符、元組和集合等等；
2、面向對象：這部分主要是學習從認識面向對象和類的特性，然後使用面向對象應用對遇到的異常進行處理；
3、函數與模塊，這部分主要是學習函數的定義和標准模塊與第三方模塊、自定義包的實現等；
4、正則表達式，正則表達式是比較重要的，尤其是後面想從事爬蟲的小伙伴，一定要把正則表達式學好；
5、內存管理與多線程，主要是了解Python編程語言的機制和掌握Python多線程。
初學者，不要怕麻煩，要不斷的練習，看到自己感興趣的，最好都能夠親自動手實踐一下，特別是控件的重繪，最鍛煉編程基礎了。
#!/usr/bin/env python
import threading
from logging import root
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)
# 檢測人臉
face_detector = cv2.CascadeClassifier(
'/home/fwy/AndroidStudio/OpenCV-android-sdk/sdk/etc/haarcascades/haarcascade_frontalface_default.xml')
# 遍歷列表中的圖片
for imagePath in imagePaths:
# 打開圖片
PIL_img = Image.open(imagePath).convert('L')
# 將圖像轉換為數組
img_numpy = np.array(PIL_img,'uint8')
faces = face_detector.detectMultiScale(img_numpy)
# 獲取每張圖片的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__':
#圖片路徑
path = './data/jm/'
#獲取圖像 數組和id標簽
faces,ids=getImageAndLabels(path)
#獲取循環對象
recognizer = cv2.face.LBPHFaceRecognizer_create()
recognizer.train(faces,np.array(ids))
#保存文件
recognizer.write('./data/trainer/trainer.yml')
#!/usr/bin/env python
import logging
import threading
import time
from logging import root
import cv2
import numpy as np
import os
#獲取當前時間
def get_current_time():
now = time.time()
mlsec = repr(now).split('.')[1][:3]
current_time = time.strftime("%Y-%m-%d %H:%M:%S.{} %Z".format(mlsec),time.localtime(now))
return current_time
#日志動態打印
def write_log_to_Text(logmsg):
current_time = get_current_time()
logmsg_in = str(current_time) +" " + str(logmsg) #換行
logging.error(logmsg_in)
def recognizerFace(frame):
gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
face_detector = cv2.CascadeClassifier(
'/home/fwy/AndroidStudio/OpenCV-android-sdk/sdk/etc/haarcascades/haarcascade_frontalface_default.xml')
t = time.strftime("%H %M %S")
write_log_to_Text("start detection...")
faces = face_detector.detectMultiScale(gray, minNeighbors=30)
t = time.strftime("%H %M %S")
write_log_to_Text("end detection...")
#
# 置信度評分用來衡量識別結果與原有模型之間的距離。0表示完全匹配。
# 在LBPH中：通常情況下，認為小於50的值是可以接受的，如果該值大於80則認為差別較大。
# 在EigenFaces中：值通常在0~20000之間，只要低於5000都被認為是相當可靠的識別結果。
# 在Fisherfaces中：值通常在0~20000之間，只要低於5000都被認為是相當可靠的識別結果。
#
for x, y, w, h in faces:
id, confidence = recognizer.predict(gray[y:y + h, x:x + w]) # 人臉識別
cv2.rectangle(frame, (x, y), (x + w, y + h), (0, 255, 0), 2)
name = str(id)
cv2.putText(frame, name, (x, y), cv2.FONT_HERSHEY_COMPLEX, 1, (80, 80, 80), 2)
print('標簽id:', id, '置信評分:', confidence)
# 加載訓練數據和文件
recognizer = cv2.face.LBPHFaceRecognizer_create()
recognizer.read('/home/fwy/PycharmProjects/FaceDetec/data/trainer/trainer.yml')
#准備識別的圖片
img = cv2.imread('/home/fwy/PycharmProjects/C360_2018-12-14-08-58-20-612.jpg')#1707.jpg
recognizerFace(img)
cv2.namedWindow('result', 0)
cv2.imshow('result',img)
cv2.waitKey(0)
cv2.destroyAllWindows()
人臉檢測是 OpenCV 的一個重要的組成部分，也是人臉識別的基礎。人臉識別其實就是一個能在給定圖像或視頻中識別出人臉。為了實現這一目標，我們可以使用一系列分好類的圖像來進行“訓練”，提出多種人臉特征，構成人臉特征庫，然後再根據給定圖像的人臉特征進行人臉庫中特征比對，進行識別，根據相似度進行人臉判定。 這就是 基於OpenCV 人臉識別模型人臉識別的整個過程。 人臉識別模型的另一個重要特征是：每個識別都具有轉置信（confidence）分值，也就是我們所說的對給定相似度的分值，可在實際應用中通過對其設置阈值來進行篩選控制。
獲取到人臉訓練庫的數據，需要將這些數據加載到人臉識別算法進行比對處理。所有的人臉識別模型的face_detector.detectMultiScale函數返回值faces數組中，每一個face都有四個參數：圖像x坐標，y坐標，w人臉圖像寬度，h人臉圖像高度。在通過id, confidence = recognizer.predict(gray[y:y + h, x:x + w]) 函數獲取到人臉的ID和置信度，因此根據 ID 可以知道被識別的人是誰。要做到這一點，需用到「trainer/」目錄中保存為.yml 文件，即訓練人臉模型文件。
好了，今天就說這麼多了，希望小伙伴們能從這篇文章中學到東西，也真心希望能夠幫助正在苦學Python程序設計的小伙伴們，你們的成長是我最大的幸福。很感謝您能夠在百忙之中浏覽我的文章，有需要源碼的小伙伴可以私信我。
源碼地址:https://download.csdn.net/download/hnjzfwy/85774111
