準備：

1、匯入庫

編寫訓練程式首先需要做的是匯入相關的庫

1、匯入OpenCv庫
2、匯入os庫，用於檔案處理
3、匯入numpy庫，用於計算
4、匯入pillow庫，用於影象處理（好像沒有用到）

其實就是這樣：

import cv2 
import os 
import numpy as np 
from PIL import Image

現在我們初始化人臉檢測器和人臉識別器（初始化，尚不具備人臉識別功能）：

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()的時候，出現了問題，找不到對應的庫，此時需要安裝一個庫
程式碼如下：pip install opencv_contrib_python
但是但是還是有問題
經過百度，需要以管理員身份開啟cmd
然後通過pip install --user opencv_contrib_python的方式才能安裝成功

2、載入訓練資料

現在我們來建立一個函式，用於從資料集資料夾中獲取訓練圖片，然後從圖片的檔名中獲取到這個素材相應的id。需要remind的是，根據前文，圖片的格式是id.samplenumber
比如有一張圖片的id是6，id為6的圖片有3個，那麼這三張圖片命名就是6.1.jpg，6.2.jpg，6.3.jpg。當然這個圖片格式不一定是jpg，也可能是png。
定義一個函式：

（1） 匯入所有圖片及對應的id：

獲取所有圖片路徑
如果圖片都在path資料夾下
image_paths=[os.path.join(path, f) for f in os.listdir(path)]

 face_samples = []
 ids = []

遍歷圖片路徑，匯入圖片和id，新增到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)

以上程式碼，使用了Image.open(image_path).convert(‘L’)通過圖片路徑並將其轉換為灰度圖片。
接下來我們通過image_np = np.array(image, 'uint8')將圖片轉換成了Numpy陣列，Numpy陣列的邏輯結構和普通的陣列無異，但是是經過優化的。
為了獲取到id，我們將圖片的路徑分裂一下並獲取相關資訊，即image_id = int(os.path.split(image_path)[-1].split(".")[0])
接下來的一個迴圈for (x, y, w, h) in faces則是將圖片和id都新增在list中。
再return一下即可。

3、訓練

差不多完成了，現在我們呼叫一下這個函式，然後將我們的資料餵給識別器去訓練吧。

faces, Ids = get_images_and_labels('dataSet')
recognizer.train(faces, np.array(Ids)) 
recognizer.save('trainner/trainner.yml')

這個yml檔案，存著我們的訓練好的資料，以後識別會用到的。

4、測試（進行人臉識別）

載入人臉檢測器（分類器）

cascade_path = "haarcascade_frontalface_default.xml"
face_cascade = cv2.CascadeClassifier(cascade_path)

載入人臉識別器

recognizer = cv2.face.LBPHFaceRecognizer_create()
recognizer.read('trainner/trainner.yml') 

獲取攝像頭的控制物件

cam = cv2.VideoCapture(0)
# 這裡的引數可能是-1  0  1

載入一個字型，用於在識別後，在圖片上標註出識別物件的名字：

font = cv2.FONT_HERSHEY_SIMPLEX

人臉識別主程式：

在程式的主迴圈中，我們需要做的是：

1. 從攝像頭中獲取影象
2. 將影象轉換為灰度圖片
3. 在圖片中檢測人臉
4. 用識別器識別該人的id
5. 將識別出人臉的id或名稱用矩形在圖片中標出來

程式如下：

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)   # 獲取攝像頭
font = cv2.FONT_HERSHEY_SIMPLEX  # 載入一個字型  用於識別後  在圖片上標註名字

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！