建筑兔零基础自学python记录23|实战人脸识别项目——代码整理复习（1-33）和系列导航12-CSDN博客

之前我们用11次分解学习实现了一个简单的人脸识别项目，现将11次记录和过程中涉及到的代码进行记录方便之后复习~

一、系列导航：

建筑兔零基础自学python记录12|实战人脸识别项目——读取图片01-CSDN博客

建筑兔零基础自学python记录13|实战人脸识别项目——灰度转换02-CSDN博客

建筑兔零基础自学python记录14|实战人脸识别项目——尺寸修改03-CSDN博客

建筑兔零基础自学python记录15|实战人脸识别项目——绘制矩形04（附：常见BGR值列表）-CSDN博客
 建筑兔零基础自学python记录16|实战人脸识别项目——人脸检测05-CSDN博客

建筑兔零基础自学python记录17|实战人脸识别项目——多人合照人脸检测06-CSDN博客

建筑兔零基础自学python记录18|实战人脸识别项目——视频检测07_人脸识别项目实战-CSDN博客建筑兔零基础自学python记录19|实战人脸识别项目——人脸录入08-CSDN博客建筑兔零基础自学python记录18|实战人脸识别项目——视频检测07_人脸识别项目实战-CSDN博客

建筑兔零基础自学python记录20|实战人脸识别项目——数据训练09-CSDN博客

建筑兔零基础自学python记录21|实战人脸识别项目——视频人脸识别（上）10-CSDN博客
 建筑兔零基础自学python记录22|实战人脸识别项目——视频人脸识别（下）11-CSDN博客

二、代码整理复习：

（1）cv.waitKey()等待

cv.waitKey()：等待键盘事件的函数。
可接受一个整数参数，表示等待的时间（单位为毫秒）。
如果传入的参数为 0 或不传入参数，则表示无限等待，直到用户按下键。

& 0xFF 操作：
& 是按位与运算符，0xFF 是十六进制数。& 0xFF含义是只保留低 8 位数。

#等待方法1
#cv.waitKey()
#等待方法2
while True:
    if ord('q')==cv.waitKey(0):
        break

按键S
k = cv2.waitKey(1) & 0xFF
if k == ord('s'):

（2）cv.destroyAllWindows()释放内存

（3）img=cv.imread('face1.png')读取图片

（4）cv.imshow('read_img_123hello',img)显示图片

（5）cv.imwrite('gray_toto11.png',gray_img)存图片

（6）gray_img=cv.cvtColor(img,cv.COLOR_BGR2GRAY)灰度转换

（7）print()控制台输出

print('Hello, World!')
 
age = 25
print(age)
 
name = 'Alice'
age = 25
print(name, age)

（8）cv.resize(）命令

resize_img=cv.resize(img,dsize=(512,512))
cv.resize(src, dsize[, dst[, fx[, fy[, interpolation]]]])
resized_img = cv.resize(img, None, fx=0.5, fy=0.5)

src：输入图像，一般就是img的图名。
dsize：输出图像的大小，必须是一个元组（水平向，垂直向）的形式
dst（可选）：输出图像，与输入图像具有相同的类型和通道数。
fx（可选）：沿水平轴的缩放因子。
fy（可选）：沿垂直轴的缩放因子。
interpolation（可选）：插值方法，调整图像大小时处理像素值的计算方法。

（8）BGR值表

（9）cv.rectangle（左上角，右下角）画矩形

cv.rectangle(img, pt1, pt2, color, thickness=None)

（10）cv.circle（圆心，半径）画圆

cv.circle(img, center, radius, color, thickness=None)

（11） cv.CascadeClassifier()人脸识别分类器

face_detect = cv.CascadeClassifier('M:/python/pythoninstall/Lib/site-packages/cv2/data/haarcascade_frontalface_alt2.xml')

（12）`detectMultiScale`()图像中检测对象

detectMultiScale(image, scaleFactor=1.1, minNeighbors=3, flags=0, minSize=(0, 0), maxSize=(0, 0))

image：必需参数，输入的待检测图像，通常是灰度图像。
scaleFactor：可选参数，默认值为 1.1。该参数表示在每个图像尺度上图像缩小的比例。例如，scaleFactor = 1.1 表示每次将图像缩小 10% 进行检测。较大的值会加快检测速度，但可能会遗漏一些对象；较小的值会增加检测时间，但可能会提高检测的准确性。
minNeighbors：可选参数，默认值为 3。该参数表示每个候选矩形框应该保留的最小邻居数。这个参数用于控制误检测的情况，值越大，检测到的对象越可能是真实的对象，但可能会遗漏一些真实的对象；值越小，可能会检测到更多的对象，但误检测的可能性也会增加。
flags：可选参数，在较新的 OpenCV 版本中，这个参数的作用不大，通常保持默认值 0 即可。
minSize：可选参数，默认值为 (0, 0)。该参数指定检测对象的最小尺寸，如果检测到的对象小于这个尺寸，则会被忽略。
maxSize：可选参数，默认值为 (0, 0)。该参数指定检测对象的最大尺寸，如果检测到的对象大于这个尺寸，则会被忽略。

（13）`cv.VideoCapture()视频路径`

#举例：
#（1）导入视频路径
cap = cv.VideoCapture('http://example.com/stream.m3u8')
cap = cv.VideoCapture('path/to/your/video.mp4')
#（2）导入摄像头
cv.VideoCapture(0)

`（14）flag,frame=cap.read()读取视频`

返回值——flag：读帧与否，frame:帧

（15）`import os`导入与操作系统进行交互的功能

适用于所有支持 Python 的操作系统，包括 Windows、Linux、macOS 等。

（16）from PIL import Image：Python Imaging Library（Pillow）导入 Image 类处理图像文件

注：前提命令相当于import

补充：from PIL import Image和import cv2都是图像处理的库。区别在于PIL（Pillow）更早，主要用于基础的图像操作。而 OpenCV适用于更复杂的视觉任务。

PIL（Pillow）支持常见的图像读取、保存、裁剪、缩放、旋转、颜色模式转换等操作。/支持多种图像格式，如 JPEG、PNG、BMP 等，方便在不同格式之间进行转换。
OpenCV支持图像滤波、边缘检测、特征提取（如 SIFT、SURF、ORB 等）、目标检测（如 Haar 级联分类器、HOG + SVM）、图像分割、运动分析等操作。例如：用 Haar 级联分类器进行人脸检测。/支持视频的读取、写入和处理，可用于视频分析、视频监控等领域。

（17）convert() 是 Pillow 库中将图像从一种模式转换为另一种模式

PIL_img=Image.open(imagePath).convert('L')

'1'：转换为 1 位像素的二值图像，即每个像素只能是 0（黑色）或 255（白色）。
'L'：转换为 8 位像素的灰度图像。
'RGB'：转换为 3 通道的真彩色图像。
'RGBA'：在 RGB 的基础上增加了一个透明度通道（Alpha）。
'CMYK'：转换为四通道的印刷色彩模式。

（18）`np.array()` 函数主要用于创建 `NumPy` 数组

 #np.array()将 Pillow 图像转换为 numpy 数组      
 img_numpy=np.array(PIL_img,'uint8')

（19） `if name == 'main'`主函数

（20）Haar属于分类器，LBPH属于识别器

（21）recogizer.predict( )识别输入人脸进行判断输出

#加载已训练的人脸识别器recogizer对人脸区域进行识别，得到标签ids和置信度评分confidence
ids, confidence = recogizer.predict(gray[y:y + h, x:x + w])

标签 ID（ids）：它是一个整数，代表识别出的人脸对应的预定义标签。
置信度评分（confidence）：它是一个浮点数，用于衡量识别结果的可靠程度。置信度评分越低表示识别结果越可靠。在 LBPH 算法中，置信度评分通常在 0 到 200 之间，通常会设定一个阈值（如 80）来判断识别结果是否可信。如果置信度评分高于阈值，则认为识别结果不可靠，可能是未知人脸。

（22）对比EigenFaces 、FisherFaces（最好）和LBPH分类器(最少）

（23）+= 复合赋值运算符

warningtime += 1 等价于 warningtime = warningtime + 1

（24）全局变量和局部变量

全局变量从程序开始时创建，直到程序结束时才被销毁。整个运行过程中一直存在于内存中。

局部变量从其所在的函数、类或代码块被调用时开始创建，当执行结束后，所占用的内存会被释放，即局部变量被销毁。

举例：在函数内部可以直接访问全局变量
要修改全局变量的值，需要使用 global 关键字进行声明

（25） cv2.putText （）在图像上绘制文本

#cv2.putText(图片, 文本, 坐标, 字体,大小, 颜色)       
cv2.putText(img, text, org, fontFace, fontScale, color)

（26）str( )将对象转换为字符串/int()float()字符串转换为对象

（27）OpenCV坐标移动规律:+ 号撒腿右下跑，- 号转身左上飘

（28）os.path.join()协调文件路径中/\差异

（29）os.listdir()输出某目录下所有文件名

例如os.listdir(path)获得了['1.lss.jpg', '2.lss.jpg']

`（30）`os.path.split(）将一个文件路径拆分为目录部分和文件名部分

`（31）split()` 将字符串按照指定的分隔符分割成多个子字符串，并返回一个包含这些子字符串的列表

（32）元组和字符串的索引都是从 0 开始

即[0]代表首位，[1]代表第二个

（33）`append()`在列表的末尾添加一个新元素

list.append(object)

list：表示要操作的列表对象。
object：表示要添加到列表末尾的任意 Python 对象，比如字符串、整数、列表、元组等。