基于 Python + OpenCV 进行人脸识别，视频追踪代码全注释

先来普及一下概念， 计算机对人脸是如何识别的呢？ 或者说图像是如何识别的。主要是获取单张图片的特征值记录了特征值以后，如果下一张图片来了以后两张图片特征值进行对比，如果相似度很高那么计算机就认定这两个是一类图(当然这是需要算法来实现的)

我写的这个是怎么实现的呢，一组训练集训练要识别的人的图像来进行特征提取保存到模型中，在通过摄像头返回的图像进行处理并最后展现出来

直接上代码:   ---- 抱歉由于不知道插入代码后怎么写文字我就全写这了。代码不算完善，但是识别没问题   使用时修改   train_path 和 fd 的人脸描述.xml文件路径就ok了

训练文件结构描述 :  train_path文件结构  train_path -> LL(老李) -> 所有人脸图片

face.xml 文件下载地址 :  http://note.youdao.com/noteshare?id=a74c5cffa145ff5341560d6c269702cb&sub=6A602009232C468CBE83114E840D679E

# 抱歉由于本人不会用 github 所以大家用有道云下载吧(捂脸笑)

 # -*- coding: utf-8 -*-
 from __future__ import unicode_literals
 # 操作文件
 import os
 # 科学计算
 import numpy as np
 # 图像识别
 import cv2 as cv
 # 数据预处理, 该项目中只使用了标签编码
 import sklearn.preprocessing as sp

 def load_imgs(directory):
     '''加载 directory 该文件夹下所有以 .jpg 结尾的图片'''
     # 识别 系统环境 自动分配当前系统的路径分隔符并替换
     directory = os.path.normpath(directory)
     # 判断当前路径是否为存在
     if not os.path.isdir(directory):
         # 手动抛出异常 biu biu biu
         raise IOError("The directory '" + directory + "' doesn't exist!")
     # 创建图片集合 用于存储文件夹名和该文件夹下所有的图片
     faces = {}
     # os.walk(directory) 获取当前文件夹下所有的文件夹以及文件
     # curdir: 当前文件夹路径
     # subdirs: 当前文件夹下所有文件夹 (列表)
     # files: 当前文件夹下所有文件 (列表)
     for curdir, subdirs, files in os.walk(directory):
         # 首先便利所有的文件 筛选.jpg结尾文件并循环
         for jpeg in (file for file in files if file.endswith('.jpg')):
                 # 拼接图片路径
             path = os.path.join(curdir, jpeg)
             # 获取该图片分类名称
             label = path.split(os.path.sep)[-2]
             # 判断当前key值是否存在图片集合中, 如果为空则创建该键并赋值空列表
             # 否则给图片集合中的 key 添加图片路径
             if label not in faces:
                 faces[label] = []
             faces[label].append(path)
     # 返回图片集合
     return faces

 def LBPHModel(fd, codec, train_path):
     '''
     -------------------
     参数说明: fd, codec, [model_path]
     fd: Haar-like(人脸特征模型对象)
     codec: LabelEncoder(标签编码器对象)
     model_path: 服用模型路径(功能未实现, 没找到读取的函数...)
     -------------------
     返回: 训练后的模型对象
     '''
     # 加载当前文件加下所有.jpg结尾的图片
     train_faces = load_imgs(train_path)  # 'traom_imgs'
     # 将所有标签放入编码器进行训练
     codec.fit(list(train_faces.keys()))
     # 创建空的训练集数组x y
     train_x, train_y = [], []
     # 循环所有训练组
     for label, filenames in train_faces.items():
         # 循环当前样本组中的图片
         for filename in filenames:
             # 读取图片
             image = cv.imread(filename)
             # 将图片转成灰度图
             gray = cv.cvtColor(image, cv.COLOR_BGR2GRAY)
             # 获取人脸特征位置
             faces = fd.detectMultiScale(
                 gray, 1.1, 2, minSize=(100, 100))
             # 循环脸部特征数组
             for l, t, w, h in faces:
                 # 将图片中的脸部特征裁剪下来
                 train_x.append(gray[t:t + h, l:l + w])
                 # 标签编码结果存储
                 train_y.append(codec.transform([label])[0])
     train_y = np.array(train_y)
     # 创建LBPH人脸检测器
     model = cv.face.LBPHFaceRecognizer_create()
     # 对训练集进行训练
     model.train(train_x, train_y)
     return model

 if __name__ == "__main__":
     # 训练集图片存储路径
     train_path = 'train_imgs'
     # 读取人脸描述文件,  构建人脸检测器
     fd = cv.CascadeClassifier('face.xml')
     # 创建标签编码器
     codec = sp.LabelEncoder()
     # 获取model
     model = LBPHModel(fd, codec, train_path)
     # 打开视频捕捉设备
     vc = cv.VideoCapture(0)
     while True:
         # 读取视频帧
         frame = vc.read()[1]
         # 反转图片
         frame = cv.flip(frame, 1)
         # print(frame)
         # 人脸位置检测, 返回数组
         faces = fd.detectMultiScale(frame, 1.3, 5)
         # 循环人脸位置数组
         for l, t, w, h in faces:
             # 给人脸描边
             cv.rectangle(frame, (l, t), (l + w, t + h),
                          (255, 0, 0), 4)
             # 复制原图片文本
             gray = frame.copy()
             # 将图片变化成灰度图
             gray = cv.cvtColor(gray, cv.COLOR_BGR2GRAY)
             # 对面部特征进行识别
             pred_test_y = model.predict(gray[t:t + h, l:l + w])[0]
             # 将预测后的结果进行标签解码
             face_name = codec.inverse_transform([pred_test_y])[0]
             # 给图片添加文本 图片矩阵, 添加文本名称, 设置文本显示位置,
             # 字体样式, 字体大小, 字体颜色, 字体粗细
             cv.putText(frame, face_name, (l + 5, t - 15),
                        cv.FONT_HERSHEY_SIMPLEX, 1,
                        (255, 255, 255), 3)
             # 打印名称
             # print(face_name)

         # 显示图片
         cv.imshow('VideoCapture', frame)
         # 等待按下ESC键退出, 每次等待33毫秒
         if cv.waitKey(33) == 27:
             break
     # 关闭视频捕捉设备
     vc.release()
     # 关闭视频窗口
     cv.destroyAllWindows()