【深度学习】OpenCV 人脸识别实战：LBPH 算法实现简单人脸识别

文章目录

完整代码一览
导入库与安装说明
准备训练数据（图像和标签）
[创建 LBPH 识别器](#创建 LBPH 识别器)
训练模型
预测（识别）新图像
输出结果

完整代码一览

c 复制代码

import cv2
import numpy as np

# 提前训练的人脸照片（灰度图）
images = []
images.append(cv2.imread('pyy1.png', cv2.IMREAD_GRAYSCALE))
images.append(cv2.imread('pyy2.png', cv2.IMREAD_GRAYSCALE))
images.append(cv2.imread('qzl1.png', cv2.IMREAD_GRAYSCALE))
images.append(cv2.imread('qzl2.png', cv2.IMREAD_GRAYSCALE))
labels = [0, 0, 1, 1]
dic = {0: 'pyy', 1: 'qzl', -1: '无法识别'}

predict_image = cv2.imread('pyy.png', cv2.IMREAD_GRAYSCALE)  # 待识别人脸

# 创建 LBPH 识别器（设置阈值）
recognizer = cv2.face.LBPHFaceRecognizer_create(threshold=80)

# 训练模型
recognizer.train(images, np.array(labels))

# 预测
label, confidence = recognizer.predict(predict_image)

print('这人是：', dic[label])
print('置信度：', confidence)

导入库与安装说明

c 复制代码

import cv2
import numpy as np

cv2.face.LBPHFaceRecognizer_create 属于 OpenCV 的 contrib 扩展模块。如果你安装的是标准版 opencv-python，会报错 module 'cv2' has no attribute 'face'。请使用以下命令安装：

bash

c 复制代码

pip install opencv-contrib-python

如果已经安装了标准版，需要先卸载再安装 contrib 版。

准备训练数据（图像和标签）

c 复制代码

python
images = []
images.append(cv2.imread('pyy1.png', cv2.IMREAD_GRAYSCALE))
images.append(cv2.imread('pyy2.png', cv2.IMREAD_GRAYSCALE))
images.append(cv2.imread('qzl1.png', cv2.IMREAD_GRAYSCALE))
images.append(cv2.imread('qzl2.png', cv2.IMREAD_GRAYSCALE))
labels = [0, 0, 1, 1]
dic = {0: 'pyy', 1: 'qzl', -1: '无法识别'}

我们准备了 4 张人脸图像，分别是 pyy1.png、pyy2.png，qzl1.png、qzl2.png。

labels 是对应的数字标签：0 代表 pyy，1 代表 qzl。

dic 是一个字典，用于将数字标签映射回人名，方便打印。-1 是识别器返回的"无法识别"标签。

注意：这些图片应该是已经裁剪好的人脸图像（只含脸部区域），尺寸可以不一致（LBPH 会内部处理）。实际项目中，你需要先用人脸检测器裁剪出人脸。

创建 LBPH 识别器

c 复制代码

recognizer = cv2.face.LBPHFaceRecognizer_create(threshold=80)

cv2.face.LBPHFaceRecognizer_create() 创建一个 LBPH 识别器对象。

threshold=80：这是识别阈值。当识别器预测时，如果计算出的置信度（距离）大于这个值，则认为"不认识"，返回标签 -1。阈值越小，识别越严格，但容易误拒；阈值越大，容忍度越高，但可能把陌生人认成熟人。80 是常用值，你可以根据实际情况调整。

训练模型

c 复制代码

recognizer.train(images, np.array(labels))

train() 方法接受两个参数：

images：训练图像列表（灰度图）。

labels：对应的标签数组（NumPy 格式）。

训练过程会计算每张图像的 LBPH 特征直方图，并存储起来，供后续识别时比对。

预测（识别）新图像

c 复制代码

predict_image = cv2.imread('pyy.png', cv2.IMREAD_GRAYSCALE)
label, confidence = recognizer.predict(predict_image)

predict() 接受一张待识别的灰度图像，返回两个值：

label：识别出的标签（如果置信度超过阈值，则返回 -1）。

confidence：置信度评分，数值越小表示匹配度越高（距离越近）。一般小于 50 表示比较可信，50~80 可能勉强，超过阈值则视为不认识。

输出结果

c 复制代码

print('这人是：', dic[label])
print('置信度：', confidence)

通过字典映射标签到人名，如果标签是 -1，则显示"无法识别"。

运行结果：

c 复制代码

这人是： qzl
置信度： 77.59353695603815