怎么在python中使用LBPH實現人臉識別

怎么在python中使用LBPH實現人臉識別？針對這個問題，這篇文章詳細介紹了相對應的分析和解答，希望可以幫助更多想解決這個問題的小伙伴找到更簡單易行的方法。

python的數據類型有哪些?

python的數據類型：1. 數字類型，包括int（整型）、long（長整型）和float（浮點型）。2.字符串，分別是str類型和unicode類型。3.布爾型，Python布爾類型也是用于邏輯運算，有兩個值：True（真）和False（假）。4.列表，列表是Python中使用最頻繁的數據類型，集合中可以放任何數據類型。5. 元組，元組用”()”標識，內部元素用逗號隔開。6. 字典，字典是一種鍵值對的集合。7. 集合，集合是一個無序的、不重復的數據組合。

基于LBPH的人臉識別操作原理

1、LBPH（Local Binary Pattern Histogram）將檢測到的人臉分為小單元，并將其與模型中的對應單元進行比較，對每個區域的匹配值產生一個直方圖。

由于這種方法的靈活性，LBPH 是唯一允許模型樣本人臉和檢測到的人臉在形狀、大小上可以不同的人臉識別算法。

2、調整后的區域中調用 predict()函數

predict()函數返回兩個元素的數組：第一個元素是所識別 個體的標簽，第二個是置信度評分。

3、所有的算法都有一個置信度評分閾值，置信度評分用來衡量所識別人臉與原模型的差距，0 表示完全匹配。可能有時不想保留所有的識別結果，則需要進一步處理，因此可用自己的算法來估算識別的置信度評分。

4、LBPH一個好的識別參考值要低于 50 ，任何高于 80 的參考值都會被認為是低的置信度評分。

基于LBPH的人臉識別操作實例

import cv2

# 加載訓練數據集文件

# 獲取人臉識別對象
recognizer = cv2.face.LBPHFaceRecognizer_create()
# 讀取訓練數據
recognizer.read('trainer/trainer.yml')

# 準備識別圖片
img = cv2.imread('6.pgm')

# 將圖片灰度
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# 加載特征數據
face_detector = cv2.CascadeClassifier('D:/Python/opencv/sources/data/haarcascades
/haarcascade_frontalface_default.xml')
# 參數： scaleFactor(比例因子)：圖片縮放多少，minNeighbors:至少檢測多少次，
minSize maxSize:當前檢測區域的最大最小面積
faces = face_detector.detectMultiScale(gray)  # scaleFactor=1.01, minNeighbors=3, 
maxSize=(33, 33), minSize=(28, 28)

# 獲取臉部特征值
for x, y, w, h in faces:
    cv2.rectangle(img, (x, y), (x+w, y+h), (0, 255, 0), thickness=2)
    cv2.circle(img, (x+w//2, y+h//2), radius=w//2, thickness=2, color=(0, 0, 255))

    # 人臉識別
    id, confidence = recognizer.predict(gray[y:y+h, x:x+w])
    print('標簽id:', id, '置信評分：', confidence)


# 顯示圖片
cv2.imshow('result', img)
cv2.waitKey(0)  # 一直顯示
cv2.destroyAllWindows()  # 釋放資源

關于怎么在python中使用LBPH實現人臉識別問題的解答就分享到這里了，希望以上內容可以對大家有一定的幫助，如果你還有很多疑惑沒有解開，可以關注億速云行業資訊頻道了解更多相關知識。