【深度学习】OpenCV 人脸识别实战：FisherFace 算法实现中文标注识别

文章目录

• 完整代码一览
• 安装依赖库
• [中文标注函数 cv2AddChineseText](#中文标注函数 cv2AddChineseText)
• 准备训练数据
• 设置标签与读取测试图像
• [创建 FisherFace 识别器并训练](#创建 FisherFace 识别器并训练)
• 预测与输出结果
• 在测试图上绘制中文结果
• [区分FisherFace 与EigenFace](#区分FisherFace 与EigenFace)

---

完整代码一览

import cv2
import numpy as np
from PIL import Image, ImageDraw, ImageFont

def cv2AddChineseText(img, text, position, textColor=(0, 255, 0), textSize=30):
    """向图片中添加中文"""
    if (isinstance(img, np.ndarray)):
        img = Image.fromarray(cv2.cvtColor(img, cv2.COLOR_BGR2RGB))
    draw = ImageDraw.Draw(img)
    fontStyle = ImageFont.truetype("simsun.ttc", textSize, encoding="utf-8")
    draw.text(position, text, textColor, font=fontStyle)
    return cv2.cvtColor(np.asarray(img), cv2.COLOR_RGB2BGR)

images = []

def image_re(image):
    a = cv2.imread(image, flags=0)
    a = cv2.resize(a, dsize=(120, 180))
    images.append(a)

image_re('qzl1.png')
image_re('qzl2.png')
image_re('pyy1.png')
image_re('pyy2.png')

labels = [0, 0, 1, 1]
pre_image = cv2.imread('pyy.png', 0)
pre_image = cv2.resize(pre_image, (120, 180))

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

label, confidence = recognizer.predict(pre_image)
dic = {0: '胡歌', 1: '彭于晏', -1: '无法识别'}
print('这人是：', dic[label])
print('置信度为：', confidence)

image = cv2AddChineseText(cv2.imread('pyy3.png').copy(), dic[label], (30, 10), (255, 0, 0))
cv2.imshow('xx', image)
cv2.waitKey(0)

安装依赖库

import cv2
import numpy as np
from PIL import Image, ImageDraw, ImageFont

FisherFace 识别器属于 cv2.face 模块，你需要安装 opencv-contrib-python：

pip install opencv-contrib-python

中文标注函数 cv2AddChineseText

定义一个中文标记函数，主要是将OpenCV图片转PIL，写中文，再转回。

def cv2AddChineseText(img, text, position, textColor=(0, 255, 0), textSize=30):
    if (isinstance(img, np.ndarray)):                 # 判断输入是否是 OpenCV 的 NumPy 数组
        img = Image.fromarray(cv2.cvtColor(img, cv2.COLOR_BGR2RGB))# 如果是，则用 cv2.cvtColor 将 BGR 转为 RGB,然后用 Image.fromarray 转换为 PIL 图像对象
    draw = ImageDraw.Draw(img)
    fontStyle = ImageFont.truetype("simsun.ttc", textSize, encoding="utf-8")
    draw.text(position, text, textColor, font=fontStyle)
    return cv2.cvtColor(np.asarray(img), cv2.COLOR_RGB2BGR)

这个函数专门解决 OpenCV 不能写中文的问题。

if判断结束后在 PIL 图像上创建一个绘图对象 draw，加载中文字体文件 "simsun.ttc"（宋体），大小 textSize。

draw.text 在指定位置写入文字，颜色用 RGB 格式，最后将 PIL 图像转回 NumPy 数组，并转换回 BGR 格式，以便 OpenCV 显示。

准备训练数据

images = []

def image_re(image):
    a = cv2.imread(image, flags=0)
    a = cv2.resize(a, dsize=(120, 180))
    images.append(a)

image_re('qzl1.png')
image_re('qzl2.png')
image_re('pyy1.png')
image_re('pyy2.png')

定义一个函数 image_re，它读取一张灰度图（flags=0），然后 resize 到 宽 120，高 180，最后存入 images 列表。

FisherFace 同样要求所有训练图像尺寸完全一致，所以我们统一缩放。

依次读取 4 张图片：qzl1.png、qzl2.png（属于"权志龙"）、pyy1.png、pyy2.png（属于"彭于晏"）。

设置标签与读取测试图像

labels = [0, 0, 1, 1]
pre_image = cv2.imread('pyy.png', 0)
pre_image = cv2.resize(pre_image, (120, 180))

标签与训练图像一一对应：前两张（qzl1, qzl2）标签 0，后两张（pyy1, pyy2）标签 1。

读取待识别图像 pyy.png，同样转为灰度并 resize 到 120×180，保持尺寸一致。

创建 FisherFace 识别器并训练

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

cv2.face.FisherFaceRecognizer_create(threshold=5000)：创建 FisherFace 识别器。threshold=5000 是识别阈值，当预测的置信度大于 5000 时，会返回 -1（表示不认识）。FisherFace 的置信度通常范围较广，5000 是常用值，实际使用中可根据测试调整。

预测与输出结果

label, confidence = recognizer.predict(pre_image)
dic = {0: '	权志龙', 1: '彭于晏', -1: '无法识别'}
print('这人是：', dic[label])
print('置信度为：', confidence)

predict 返回预测标签和置信度。置信度越小，匹配度越高。

用字典 dic 将标签映射为中文名，便于打印。

在测试图上绘制中文结果

image = cv2AddChineseText(cv2.imread('pyy3.png').copy(), dic[label], (30, 10), (255, 0, 0))
cv2.imshow('xx', image)
cv2.waitKey(0)

读取另一张测试图 pyy3.png（是彭于晏的另一张照片），用 cv2AddChineseText 在左上角（30, 10）位置写上识别出的中文名，颜色蓝色

运行结果：

这人是： 彭于晏
置信度为： 1164.2549649833468

区分FisherFace 与EigenFace

FisherFace 与 EigenFace 不同之处在于：

EigenFace 使用 PCA（主成分分析），只考虑如何最大化整体数据的方差，不考虑类别信息。

FisherFace 使用 LDA（线性判别分析），它寻找一个投影方向，使得不同类别的人脸之间的距离尽可能大，同一类别内部的距离尽可能小。因此，它在识别任务中通常比 EigenFace 更准确，尤其在光照、表情变化时表现更稳健。