Ошибка машинного обучения OpenCV - PullRequest
Новая
       10

Ошибка машинного обучения OpenCV

0 голосов
/ 21 мая 2018

Я использую этот сценарий для обучения 10 фотографий, сделанных мной с помощью Iphone, с попыткой немного опознать лицо ... Первая попытка этого ..

Этот классификатор работает очень хорошо: LBPHFace = cv2.face.LBPHFaceRecognizer_create()

Но эти два классификатора, я получаю ошибку .. У кого-нибудь есть идеи для дальнейшего исследования?Пиксели должны быть одинакового размера, так как все изображения были сделаны одновременно с помощью Iphone ... Спасибо за любую помощь, спасибо ... 

FisherFace = cv2.face.FisherFaceRecognizer_create()
EigenFace = cv2.face.EigenFaceRecognizer_create()

ошибка :(-210) В методе Eigenfaces все входные сэмплы (обучающие изображения) должны быть одинакового размера!Ожидается 2992900 пикселей, но было 1329409 пикселей.в функции cv :: face :: Eigenfaces :: train 

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

BASE_DIR = os.path.dirname(os.path.abspath(__file__))
image_dir = os.path.join(BASE_DIR, "images", "Bob")

haar_face_cascade = cv2.CascadeClassifier('data/haarcascades/haarcascade_frontalface_alt.xml')
recognizer = cv2.face.EigenFaceRecognizer_create(15)

current_id = 0
label_ids = {}
y_labels = []
x_train = []

for root, dirs, files in os.walk(image_dir):
    for file in files:
        if file.endswith("png") or file.endswith("JPG"):
            path = os.path.join(root, file)
            label = os.path.basename(root).replace(" ", "-").lower()
            print(label, path)
            if not label in label_ids:
                label_ids[label] = current_id
                current_id += 1

            id_ = label_ids[label]
            #print(label_ids)
            #y_labels.append(label) # some number
            #x_train.append(path) # verify this image, turn into a NUMPY arrray, GRAY
            pil_image = Image.open(path).convert("L") # grayscale
            #size = (550, 550)
            #final_image = pil_image.resize(size, Image.ANTIALIAS)
            image_array = np.array(pil_image, "uint8")
            #print(image_array)
            faces = haar_face_cascade.detectMultiScale(image_array, scaleFactor=1.5, minNeighbors=5)

            for (x,y,w,h) in faces:
                roi = image_array[y:y+h, x:x+w]
                x_train.append(roi)
                y_labels.append(id_)


#print(y_labels)
#print(x_train)

with open("pickles/face-labels.pickle", 'wb') as f:
    pickle.dump(label_ids, f)

recognizer.train(x_train, np.array(y_labels))
recognizer.save("recognizers/face-trainner.yml")
...