anaconda 安装opencv_码鸭日记OpenCV项目实战人脸检测（三）

<div class="._5ce-wx-style" style="font-size:16px;">
<div class="rich_media_content" id="js_content">
 上篇文章提到过，如果想提高识别率，主要可以采取两种方法：利用OpenCV来进行个人的模型训练，或者利用更高精度的dlib来进行检测。
 此篇文章主要讲述如何利用OpenCV来训练个人的模型。
 由于haarcascades的人脸数据模型是基于大众的，由于人脸的差异，当对个人进行人脸测试时难免会出现漏判误判。这时我们为了提高准确性可以利用OpenCV来训练一个属于自己的模型.
 环境搭建
 1，在编写代码之前，需要引入numpy包。NumPy(Numerical Python)是Python的一种开源的数值计算扩展。这种工具可用来存储和处理大型矩阵。
 一般的python需要手动引入，即pip list numpy。但是如果安装了anaconda来作为解释器，由于其内部自带numpy，Spyder等工具，无需手动引入。
 注意的是，安装anaconda后，需要在系统环境中更改路径，以及在pycharm中更换解释器。具体操作如下：
 属性---控制面板---高级系统设置---环境变量---编辑环境变量
 <img alt="0706a5ccb2af76d0ededeb2b086ca23d.png" src="https://beijingoptbbs.oss-cn-beijing.aliyuncs.com/cs/5606289-7c86cac0df336cdcd651d783642ae5ce.png">
 将anaconda的环境配置如上。
 点击环境变量的path---点击编辑，在末尾添加如下路径。
 <img alt="a3e12c419baa08a9d99d9a168053d7bb.png" src="https://beijingoptbbs.oss-cn-beijing.aliyuncs.com/cs/5606289-ec25c163fd8f2c6e1b173b4ffac290f0.png">
 打开pycharm---settings---project interpreter---add---选择anaconda中python.exe的地址
 <img alt="9f1058516644746396a70995b742ae60.png" src="https://beijingoptbbs.oss-cn-beijing.aliyuncs.com/cs/5606289-b4841bedbaedac15dd01fbce8d926e18.png">
 2，PIL(Python Imaging Library)是Python中一个强大的图像处理库，但目前其只支持到Python2.7。本人所使用的python版本是3.6.
 当使用命令pip install pil时，系统报错：Could not find a version that satisfies the requirement PIL (from versions: )， No matching distribution found for PIL。
 意思就是说pil 和我当前的版本不匹配。在用另外的安装语句如--user 或者加入镜像源后依然失败。
 这时注意，我们应该安装的是pillow，Pillow是PIL的一个派生分支，但如今已经发展成为比PIL本身更有用的图像处理库。利用语句 pip install pillow，安装成功。
 使用语句from pil import image 来对此模块进行调用。
 3，OpenCV--contrib-python安装
 <pre class="blockcode"><code>注意OpenCV不能代替OpenCV-contrib。OpenCV Contrib是OpenCV的扩展模块，包含了许多最新的以及可能还没有正式发布有待进一步完善的算法，可以理解为是OpenCV的扩展包。此项目中的LBPHFaceRecognizer_create()就为contrib中的函数。</code></pre>
 <pre class="blockcode"><code>使用pip install OpenCV-contrib-python来进行安装。</code></pre>
 <pre class="blockcode"><code>如果报错，则可以换位另外一种安装方法：安装下载的.whl文件，注意.whl文件需要与自身机型环境所匹配。例如我下载了opencv_python3.2.0cp36cp36mwin_amd64.whl，这个名字标识了三部分内容：cp35，cp35m和win_amd64。cp35表示Python是3.6版本，win_amd64是表示安装的Python是64bit的。随后在cmd界面中输入以下语句：</code></pre>
 <pre class="blockcode"><code>“pip install 文件路径\opencv_python3.2.0cp35cp35mwin_amd64.whl”。</code></pre>
 <pre class="blockcode"><code>如果报错，检查下pip的版本是否为最新，或者使用pip install --user 地址来进行尝试。</code></pre>
 <pre class="blockcode"><code></code></pre>
 <pre class="blockcode"><code></code></pre>
 理论知识
 1，LBPHFaceRecognizer介绍
 对于训练个人模型并进行人脸识别，目前有很多可用方法，比如OpenCV自带的EigenFaceRecognizer(基于PCA降维) , FisherFaceRecognizer(基于LDA降维)，LBPHFaceRecognizer(基于LBPH特征)。再如faceNet深度网络模型(128个特征输出)加分类器(如SVM)方式。
 目前我们需要应用的场景是结果好，对于硬件要求不是很高，方便更新模型，低成本的方式。因此我选择了OpenCV自带的LBPHFaceRecognizer算法，这种算法优点是不会受到光照、缩放、旋转和平移的影响，最大的好处就是对电脑自身配置要求不高，通用化非常好。
 2，LBPF
 <h3>2.1 原始LBP算子</h3>
 原始的LBP算子定义为在3*3的窗口内，以窗口中心像素为阈值，将相邻的8个