准备：

1、导入库

编写训练程序首先需要做的是导入相关的库

1、导入OpenCv库 
2、导入os库，用于文件处理 
3、导入numpy库，用于计算 
4、导入pillow库，用于图像处理（好像没有用到） 

其实就是这样：

import cv2 

import os 

import numpy as np 

from PIL import Image

现在我们初始化人脸检测器和人脸识别器（初始化，尚不具备人脸识别功能）：

detector = cv2.CascadeClassifier("haarcascade_frontalface_default.xml") 

recognizer = cv2.face.LBPHFaceRecognizer_create()

# 有可能是 recognizer = cv2.createLBPHFaceRecognizer()

注意： 
自己使用cv2.face.LBPHFaceRecognizer_create()的时候，出现了问题，找不到对应的库，此时需要安装一个库 
代码如下：pip install opencv_contrib_python 
但是但是还是有问题 
经过百度，需要以管理员身份打开cmd 
然后通过pip install --user opencv_contrib_python的方式才能安装成功

2、载入训练数据

现在我们来创建一个函数，用于从数据集文件夹中获取训练图片，然后从图片的文件名中获取到这个素材相应的id。需要remind的是，根据前文，图片的格式是id.samplenumber 
比如有一张图片的id是6，id为6的图片有3个，那么这三张图片命名就是6.1.jpg，6.2.jpg，6.3.jpg。当然这个图片格式不一定是jpg，也可能是png。 
定义一个函数：

（1） 导入所有图片及对应的id：

获取所有图片路径 
如果图片都在path文件夹下 
image_paths=[os.path.join(path, f) for f in os.listdir(path)] 
新建两个list用于存放：

face_samples = []

 ids = []

遍历图片路径，导入图片和id，添加到list：

   for image_path in image_paths:

        image = Image.open(image_path).convert('L')

        image_np = np.array(image, 'uint8')

        # if os.path.split(image_path)[-1].split(".")[-1] != 'pgm':

        #     continue

        image_id = int(os.path.split(image_path)[-1].split(".")[0])

        faces = detector.detectMultiScale(image_np)

        for (x, y, w, h) in faces:

            face_samples.append(image_np[y:y + h, x:x + w])

            ids.append(image_id)

以上代码，使用了Image.open(image_path).convert(‘L’)通过图片路径并将其转换为灰度图片。 
接下来我们通过image_np = np.array(image, 'uint8')将图片转换成了Numpy数组，Numpy数组的逻辑结构和普通的数组无异，但是是经过优化的。 
为了获取到id，我们将图片的路径分裂一下并获取相关信息，即image_id = int(os.path.split(image_path)[-1].split(".")[0]) 
接下来的一个循环for (x, y, w, h) in faces则是将图片和id都添加在list中。 
再return一下即可。

3、训练

差不多完成了，现在我们调用一下这个函数，然后将我们的数据喂给识别器去训练吧。

faces, Ids = get_images_and_labels('dataSet') 

recognizer.train(faces, np.array(Ids)) 

recognizer.save('trainner/trainner.yml')

这个yml文件，存着我们的训练好的数据，以后识别会用到的。

4、测试（进行人脸识别）

加载人脸检测器（分类器）

cascade_path = "haarcascade_frontalface_default.xml"

face_cascade = cv2.CascadeClassifier(cascade_path)

加载人脸识别器

recognizer = cv2.face.LBPHFaceRecognizer_create() 

recognizer.read('trainner/trainner.yml')

获取摄像头的控制对象

cam = cv2.VideoCapture(0)

# 这里的参数可能是-1  0  1

加载一个字体，用于在识别后，在图片上标注出识别对象的名字：

font = cv2.FONT_HERSHEY_SIMPLEX

人脸识别主程序：

在程序的主循环中，我们需要做的是：

1. 从摄像头中获取图像 
2. 将图像转换为灰度图片 
3. 在图片中检测人脸 
4. 用识别器识别该人的id 
5. 将识别出人脸的id或名称用矩形在图片中标出来

程序如下：

import cv2

import os

import numpy as np

from PIL import Image 

detector = cv2.CascadeClassifier("haarcascade_frontalface_default.xml") 

recognizer = cv2.face.LBPHFaceRecognizer_create()

def get_images_and_labels(path):

    image_paths = [os.path.join(path, f) for f in os.listdir(path)]

    face_samples = []

    ids = []

    for image_path in image_paths:

        image = Image.open(image_path).convert('L')

        image_np = np.array(image, 'uint8')

        # if os.path.split(image_path)[-1].split(".")[-1] != 'pgm':

        #     continue

        image_id = int(os.path.split(image_path)[-1].split(".")[0])

        faces = detector.detectMultiScale(image_np)

        for (x, y, w, h) in faces:

            face_samples.append(image_np[y:y + h, x:x + w])

            ids.append(image_id)

    return face_samples, ids

filepath = r'C:\Users\Administrator\Desktop\machine_learning\new_project\orl_faces1/'

faces, Ids = get_images_and_labels(filepath) 

recognizer.train(faces, np.array(Ids)) 

recognizer.save('trainner/trainner.yml') 

cam = cv2.VideoCapture(0)   # 获取摄像头

font = cv2.FONT_HERSHEY_SIMPLEX  # 加载一个字体  用于识别后  在图片上标注名字

while True:

    ret, im = cam.read()

    gray = cv2.cvtColor(im, cv2.COLOR_BGR2GRAY)

    faces = detector.detectMultiScale(gray, 1.2, 5)

    for (x, y, w, h) in faces:

        cv2.rectangle(im, (x, y), (x + w, y + h), (225, 0, 0), 2)

        img_id, conf = recognizer.predict(gray[y:y + h, x:x + w])

        cv2.putText(im, str(img_id), (x, y + h), font, 0.55, (0, 255, 0), 1)

    cv2.imshow('im', im)

    if cv2.waitKey(10) & 0xFF == ord('q'):

        break

cam.release()

cv2.destroyAllWindows()

如有疏漏，再完善！