基于OpenCV的人脸识别：EigenFaces算法

引言

人脸识别是计算机视觉领域的一个重要应用，今天我将通过一个实际案例来展示如何使用OpenCV中的EigenFaces算法实现简单的人脸识别系统。

一、概述

本文演示了如何使用OpenCV的**EigenFaceRecognizer对预先准备好的面部图像进行训练，然后对新的测试图像进行识别。我们使用了名为为"linyuner"和"chendulin"的多张照片作为训练集，然后测试系统能否正确识别新输入的照片。

二、代码解析

1. 准备工作

首先导入必要的库：

import cv2
import numpy as np

2. 加载训练图像

我们创建了一个空列表images来存储训练图像，并确保所有图像大小一致：

images = []  # 读取训练图像，注意：图片大小要一致
a = cv2.imread('linyuner 1.jpg', 0)  # 以灰度模式读取图像
a = cv2.resize(a,(120,180))  # 统一调整大小为120×180
b = cv2.imread('linyuner 2.jpg', 0)
b = cv2.resize(b,(120,180))
c = cv2.imread('chendulin 1.jpg', 0)
c = cv2.resize(c,(120,180))
d = cv2.imread('chendulin 2.jpg', 0)
d = cv2.resize(d,(120,180))images.append(a)
images.append(b)
images.append(c)
images.append(d)

3. 设置标签

为每张训练图像分配对应的标签：

labels = [0,0,1,1]  # 0代表linyuner，1代表chendulin

4. 准备测试图像

加载并预处理待识别的图像：

pre_image = cv2.imread('chendulin 3.jpg', 0)
pre_image = cv2.resize(pre_image,(120,180))

5. 创建和训练识别器

使用OpenCV的EigenFaceRecognizer：

recognizer = cv2.face.EigenFaceRecognizer_create(threshold=5000)
recognizer.train(images,np.array(labels))

6. 进行预测

label,confidence = recognizer.predict(pre_image)

7. 显示结果

将识别结果标注在原始图像上并显示：

dic={0:'linyuner',1:'chendulin',-1:'无法识别'}
print("这人是：",dic[label])
print('置信度为：',confidence)aa = cv2.putText(cv2.imread('chendulin 3.jpg').copy(), dic[label], (10, 30), cv2.FONT_HERSHEY_COMPLEX_SMALL, 0.9, (0,0,255), 2)
aa = cv2.resize(aa,dsize=None,fy=0.6,fx=0.6)
cv2.imshow('xx',aa)
cv2.waitKey(0)

我们选择一张陈都灵的照片来进行验证

三、代码要点

1. EigenFaces算法：这是基于PCA（主成分分析）的人脸识别方法，通过提取人脸图像的主要特征分量来进行识别。

2. 图像预处理：所有图像被转换为灰度并调整为相同尺寸，这是大多数机器学习算法对输入数据的基本要求。

3. 阈值设置：threshold=5000参数设置了识别阈值，当置信度超过此值时，识别结果为"无法识别"。

4. 置信度：置信度数值越小表示匹配度越高。

总结

通过这个简单的例子，我们展示了如何使用OpenCV快速实现一个基础的人脸识别系统。虽然EigenFaces算法相对简单，但它很好地演示了人脸识别的基本原理，对于理解更复杂的系统有很大帮助。

希望这篇博客对你有所帮助！如果你有任何问题或建议，欢迎在评论区留言讨论。