OpenCV中LBPH人脸识别器识别人脸实战（附Python源码）

古城微笑少年丶 2023-09-30 19:04 60阅读 0赞

> **需要源码和图片请点赞关注收藏后评论区留言私信~~~**

Local Binary Pattern Histofram简称LBPH，即局部二进制模式直方图，这是一种基于局部二进制模式算法，这种算法善于捕获局部纹理特征

开发者需要通过以下三种方法来完成人脸识别操作

1：通过cv2.face.LBPHFaceRecognizer\_create()方法创建LBPH人脸识别器对象 语法如下

> recognizer=cv2.face.LBPHFaceRecognizer\_create(radius,neighbors,grid\_x,grid\_y,threshold)
> 
> radius:可选参数 圆形局部二进制模式的半径，建议使用默认值
> 
> neighbors：可选参数，圆形局部二进制模式的采样点数目，建议使用默认值
> 
> grid\_x:可选参数 水平方向上的的单元格数，建议使用默认值
> 
> grid\_y:可选参数 垂直方向上的的单元格数 建议使用默认值
> 
> threshold：可选参数 人脸识别时使用的阈值，建议使用默认值

2：创建识别器对象后，需要通过对象的train方法训练识别器，建议每个人都给出两幅以上的人脸图像作为训练样本，train方法的语法如下

> recognizer.train(src,labels)
> 
> 参数说明
> 
> recognizer 已有的LBPH人脸识别器对象
> 
> src 用来训练的人脸图像样本列表，格式为list，样本图像必须宽高一致
> 
> labels 样本对应的标签，格式为数组，元素类型为整数，数组长度必须与样本列表长度相同，样本与标签按照插入顺序一一对应

3：训练识别器后就可以通过识别器的predict方法识别人脸，该方法对比样本的特征，给出最接近的结果和评分，语法如下

> label,confidence=recognizer.predict(src)
> 
> 参数说明
> 
> src 需要识别的人脸图像 该图像宽高必须与样本一致
> 
> label 与样本匹配程度最高的标签值
> 
> confidenct 匹配程度最高的信用度评分，评分小于50匹配程度较高，0分表示两幅图像完全一样

下面使用LBPH识别人脸实战

下面以两个人的照片作为训练样本

![02021e9771054c9a855531e4783c28ac.png][]

![6249e0342bdf41d9a7fab6cb5fa7ab17.png][]

待识别照片如下

![f5d249c39d9a4698b5981cad5eb31c10.png][]

程序输出如下

> confidence=45.0823265
> 
> RuiRui

程序对比样本特征分析得出，被识别的人物最接近的是RuiRui

部分代码如下

import cv2
    import numpy as np
    
    photos = list()  # 样本图像列表
    lables = list()  # 标签列表
    photos.append(cv2.imread("face\\lxe1.png", 0))  # 记录第1张人脸图像
    lables.append(0)  # 第1张图像对应的标签
    photos.append(cv2.imread("face\\lxe2.png", 0))  # 记录第2张人脸图像
    lables.append(0)  # 第2张图像对应的标签
    photos.append(cv2.imread("face\\lxe3.png", 0))  # 记录第3张人脸图像
    lables.append(0)  # 第3张图像对应的标签
    
    photos.append(cv2.imread("face\\ruirui1.png", 0))  # 记录第4张人脸图像
    lables.append(1)  # 第4张图像对应的标签
    photos.append(cv2.imread("face\\ruirui2.png", 0))  # 记录第5张人脸图像
    lables.append(1)  #图像对应的标签
    photos.append(cv2.imread("face\\ruirui3.png", 0))  # 记录第6张人脸图像
    lables.append(1)  # 第6张图像对应的标签
    
    names = {"0": "LXE", "1": "RuiRui"}  # 标签对应的名称字典
    
    recognier = cv2.face.LBPHFaceRecognizer_create()  # 创建LBPH识别器(photos, np.array(lables))  # 识别器开始训练
    
    i = cv2.imread("face\\ruirui4.png", 0)  # 待识别的人脸图像
    label, confience = recognizer.predict(i)  # 识别器开始分析人脸图像
    print("confidee= " + str(confidence))  # 打印评分
    print(names[str(lael)])  # 数组字典里标签对应的名字
    
    cv2.waitKey()  #下任何键盘按键后
    cv2.destroyAllWindows()  # 释放所有窗体

## 总结 ##

人脸检测和人脸识别是相辅相成的，这是因为在进行人脸识别前，要先判断当前图像内是否出现了人脸，这个判断过程需要由人脸检测完成。只有在当前图像内检测到人脸，才能判断出这张人脸属于哪个人，这个判断是由人脸识别器完成的。因此，人脸识别指的是程序先在图像内检测人脸，再识别这张人脸属于哪个人的过程

**创作不易 觉得有帮助请点赞关注收藏~~~**

[02021e9771054c9a855531e4783c28ac.png]: https://img-blog.csdnimg.cn/02021e9771054c9a855531e4783c28ac.png
[6249e0342bdf41d9a7fab6cb5fa7ab17.png]: https://img-blog.csdnimg.cn/6249e0342bdf41d9a7fab6cb5fa7ab17.png
[f5d249c39d9a4698b5981cad5eb31c10.png]: https://img-blog.csdnimg.cn/f5d249c39d9a4698b5981cad5eb31c10.png