[PYTHON] [OpenCV] Persönliche Identifikation mit Gesichtsfoto

Grundlegende Richtlinien

• Gesichtserkennung mit Haar-ähnlicher Merkmalsmenge (haarcascade_frontalface_default) --Resize + Grace Case zur Reduzierung der Abmessungen --Lerne dein persönliches Gesicht mit LBPH

!/usr/bin/python
 -*- coding: utf-8 -*-

import cv2, os
import numpy as np
from PIL import Image

# Bild lernen
train_path = './training_data'
# Testbild
test_path = './test_data'

# Haarartiger Merkmalsklassifikator
cascadePath = "./haarcascade_frontalface_default.xml"
faceCascade = cv2.CascadeClassifier(cascadePath)

 LBPH
recognizer = cv2.createLBPHFaceRecognizer()

def get_images_and_labels(path):
 #Array zum Speichern von Bildern
    images = []
 # Array zum Speichern von Etiketten
    labels = []
 #Array zum Speichern von Dateinamen
    files = []
    for f in os.listdir(path):
 #Bildpfad
        image_path = os.path.join(path, f)
 # Bild in Graustufen laden
        image_pil = Image.open(image_path).convert('L')
 Im # NumPy-Array gespeichert
        image = np.array(image_pil, 'uint8')
 # Haar-ähnlicher Feature-Klassifikator erkennt Gesicht (Parameter sind angemessen)
        faces = faceCascade.detectMultiScale(image,1.1,9,0)

 # Verarbeitung des erkannten Gesichtsbildes
        for (x, y, w, h) in faces:
 # Ändern Sie die Größe des Gesichts auf 200 x 200
            roi = cv2.resize(image[y: y + h, x: x + w], (200, 200), interpolation=cv2.INTER_LINEAR)
 # Bilder in einem Array speichern
            images.append(roi)
 # Beschriftung vom Dateinamen abrufen "Angenommen, ein Dateiname wie 0_xxxxx.jpg "
            labels.append(int(f[0]))
 # Speichern Sie Dateinamen in einem Array
            files.append(f)

    return images, labels, files

# Holen Sie sich ein Trainingsbild
images, labels, files = get_images_and_labels(train_path)
# Durchführung der Schulung
recognizer.train(images, np.array(labels))
# Holen Sie sich das Testbild
test_images, test_labels, test_files = get_images_and_labels(test_path)

i = 0
while i < len(test_labels):
 # Vorhersage für Testbilder
    label, confidence = recognizer.predict(test_images[i])
 # Ausgabe des Vorhersageergebnisses an die Konsole
    print("Test Image: {}, Predicted Label: {}, Confidence: {}".format(test_files[i], label, confidence))
 # Testbild anzeigen
    cv2.imshow("test image", test_images[i])
    cv2.waitKey(1000)

    i += 1


cv2.destroyAllWindows()