-
Notifications
You must be signed in to change notification settings - Fork 0
/
treinamento.py
49 lines (38 loc) · 1.58 KB
/
treinamento.py
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
import cv2
import os
import numpy as np
# eigenface = cv2.face.EigenFaceRecognizer_create()
# parametros:
# - num_components -> Numeros de componentes que será analisado (50 é o máximo necessário)
# - threshold (limite de confiança distância de uma face a outra) - ex.: 2 (precisa testar com diversas fotos para chegar num resultado melhor)
# calcula a distância entre a nova face e as faces de treinamento (knn)
# faces desconhecidas, retorna -1
eigenface = cv2.face.EigenFaceRecognizer_create(num_components=50, threshold=0)
fisherface = cv2.face.FisherFaceRecognizer_create()
lbph = cv2.face.LBPHFaceRecognizer_create()
def getImagemComID():
caminhos = [os.path.join("fotos", f) for f in os.listdir("fotos")]
# lista todas as fotos que tem na pasta
#print(caminhos)
faces = []
ids = []
for caminhoImagem in caminhos:
imagemFace = cv2.cvtColor(cv2.imread(caminhoImagem), cv2.COLOR_BGR2GRAY) # carrega e converte as imagems em escala de cinza
id = int(os.path.split(caminhoImagem)[-1].split(".")[1]) # pegar somente os ID que está no nome das fotos
#print(id)
ids.append(id)
faces.append(imagemFace)
#cv2.imshow("Face", imagemFace)
#cv2.waitKey(10)
return np.array(ids), faces
ids, faces = getImagemComID()
#print(ids)
#print(faces)
print("Treinando...")
eigenface.train(faces, ids)
eigenface.write("resources/classificadorEigen.yml")
fisherface.train(faces, ids)
fisherface.write("resources/classificadorFisher.yml")
lbph.train(faces, ids)
lbph.write("resources/classificadorLBPH.yml")
print("Treinamento realizado")