PCA人脸识别
import cv2
import numpy as np
images=[]
images.append(cv2.imread('C:/Users/xpp/Desktop/coins.png',cv2.IMREAD_GRAYSCALE))#原始图像
images.append(cv2.imread('C:/Users/xpp/Desktop/coins.png',cv2.IMREAD_GRAYSCALE))#原始图像
images.append(cv2.imread('C:/Users/xpp/Desktop/Lena.png',cv2.IMREAD_GRAYSCALE))#原始图像
images.append(cv2.imread('C:/Users/xpp/Desktop/Lena.png',cv2.IMREAD_GRAYSCALE))#原始图像
labels=[0,0,1,1]#图像标签
recognizer=cv2.face.EigenFaceRecognizer_create()#人脸识别
recognizer.train(images,np.array(labels))#模型训练
predict_image=cv2.imread('C:/Users/xpp/Desktop/face.png',cv2.IMREAD_GRAYSCALE)#原始图像
label, confidence=recognizer.predict(predict_image)#模型预测
print("label=",label)
print("confidence=",confidence)
cv2.imshow("predict_image",predict_image)
cv2.waitKey()
cv2.destroyAllWindows()label= 1 confidence= 19228.277485215305
算法：PCA人脸识别是将高维的人脸数据处理为低维数据后（降维），再进行数据分析和处理，获取识别结果。
retval=cv2.face.EigenFaceRecognizer_create([, num_components[, threshold]])
- num_components表示保留的分量个数，通常情况下，保留的分量个数为80
- threshold表示在预测时所使用的阈值，如果大于该阈值，那么没有识别到任何目标对象
None=cv2.face_FaceRecognizer.train(src, labels)
- src表示输入图像
- labels表示标签
label, confidence=cv2.face_FaceRecognizer.predict(src)
- src表示输入图像
网址：https://www.matongxue.com/madocs/1025/
本文参与 腾讯云自媒体同步曝光计划，分享自微信公众号。
原始发表：2021-03-21，如有侵权请联系 cloudcommunity@tencent.com 删除
本文分享自 图像处理与模式识别研究所 微信公众号，前往查看
如有侵权，请联系 cloudcommunity@tencent.com 删除。
本文参与 腾讯云自媒体同步曝光计划 ，欢迎热爱写作的你一起参与！
评论
登录后参与评论
推荐阅读
相关产品与服务
人脸识别
腾讯云神图·人脸识别（Face Recognition）基于腾讯优图强大的面部分析技术，提供包括人脸检测与分析、比对、搜索、验证、五官定位、活体检测等多种功能，为开发者和企业提供高性能高可用的人脸识别服务。 可应用于在线娱乐、在线身份认证等多种应用场景，充分满足各行业客户的人脸属性识别及用户身份确认等需求。
腾讯云开发者
