输出的是lbp descriptor，这要怎么看，怎么算大小？

2.9.0的固件把.mask_ellipse()这个函数删除了，以后会重新加上。 现在这个代码，可以直接删掉.mask_ellipse()后运行。 不过，这个代码只是人脸分辨的一个简单演示，作用并不大。 # 用LBP特征进行人脸识别。 # 见 Timo Ahonen's "Face Recognition with Local Binary Patterns". # # 运行示例之前： # 1) 下载AT＆T faces数据库http://www.cl.cam.ac.uk/Research/DTG/attarchive/pub/data/att_faces.zip # 2) 提取并复制orl_faces目录到SD卡根目录。 import sensor, time, image SUB = "s2" NUM_SUBJECTS = 5 NUM_SUBJECTS_IMGS = 10 img = image.Image("orl_faces/%s/1.pgm"%(SUB)) d0 = img.find_lbp((0, 0, img.width(), img.height())) img = None print("") for s in range(1, NUM_SUBJECTS+1): dist = 0 for i in range(2, NUM_SUBJECTS_IMGS+1): img = image.Image("orl_faces/s%d/%d.pgm"%(s, i)) d1 = img.find_lbp((0, 0, img.width(), img.height())) dist += image.match_descriptor(d0, d1) print("Average dist for subject %d: %d"%(s, dist/NUM_SUBJECTS_IMGS))

来自星瞳实验室APP: 人脸识别例程 https://forum.singtown.com/topic/743

看文档，里面写的很清楚。 image.find_features(cascade, roi=Auto, threshold=0.5, scale=1.5) 这个方法搜索与Haar Cascade匹配的所有区域的图像，并返回一个关于这些特征的边界框矩形元组(x，y，w，h)的列表。若未发现任何特征，则返回一个空白列表。 objects = img.find_features(face_cascade, threshold=0.75, scale=1.35) #image.find_features(cascade, threshold=0.5, scale=1.5),thresholds越大， #匹配速度越快，错误率也会上升。scale可以缩放被匹配特征的大小。 #在找到的目标上画框，标记出来 # Draw objects for r in objects: img.draw_rectangle(r)

仔细阅读代码，可以发现，s1-1.pgm是模板图片。程序将s1-s5五个文件夹里面的每一张图片，与s1-1.pgm进行对比，得到一个匹配测度值，然后每个文件夹下面的10张图片的测度值求平均值，然后输出。

真的，分辨人脸，效果不好。

@kidswong999 在 人脸识别，求指教 中说： orl_faces 是这个文件夹吗 ？

人脸检测就是利用haar算子。 人眼检测就是haar人脸检测后，在人脸范围内利用眼睛haar算子，检测眼睛。 瞳孔检测，先利用眼睛的haar算子识别到眼睛（不需要先进行人脸识别），然后在眼睛范围内寻找颜色最深的区域，即瞳孔。 关于haar算子，有很多论文可供参考。

@kidswong999 我把SD卡插在了MV上，img = image.Image("orl_faces/I/wx"%(SUB)).mask_ellipse()可是提示 这样的错误，那我应该怎么改呢？麻烦提示一下