求助大佬，在这个问题怎么解决呢？
ao1.pyimport cv2
import numpy as np
import dlib
def cv_show(neme, img):
cv2.namedWindow(neme, cv2.WINDOW_NORMAL)
cv2.imshow(neme, img)
cv2.waitKey(0)
cv2.destroyAllWindows()
class Eigenvector(object):
def __init__(self):
# resnet模型
self.face_descriptor_extractor = dlib.face_recognition_model_v1(
'./data/data_dlib/dlib_face_recognition_resnet_model_v1.dat')
# 人脸检测模型
self.hog_face_detector = dlib.get_frontal_face_detector()
# 获取人脸的68个关键点
self.shape_detector = dlib.shape_predictor('./data/data_dlib/shape_predictor_68_face_landmarks.dat')
def fun1(self, img):
# 检测人脸
detections = self.hog_face_detector(img, 1)
# 可能识别多张人脸（但只要第一个识别到的人脸）
for face in detections:
# # 人脸框坐标
# l, t, r, b = face.left(), face.top(), face.right(), face.bottom()
# 获取68个关键点
points = self.shape_detector(img, face)
# # 绘制关键点
# for point in points.parts():
# cv2.circle(img, (point.x, point.y), 2, (0, 255, 0), 1)
#
# # 绘制矩形框
# cv2.rectangle(img, (l, t), (r, b), (0, 255, 0), 2)
# cv_show('neme', img)
# 获取特征描述符
# 功能：图像中的68个关键点转换为128D面部描述符，其中同一人的图片被映射到彼此附近，并且不同人的图片被远离地映射。
# 参数：img_rd：人脸灰度图，类型：numpy.ndarray
# shape：68个关键点位置
# 返回值：128D面部描述符
face_descriptor = self.face_descriptor_extractor.compute_face_descriptor(img, points)
# 转为numpy 格式的数组
face_descriptor =
face_descriptor = np.array(face_descriptor, dtype=np.float64)
face_descriptor = np.reshape(face_descriptor, (1, -1))
# print(face_descriptor.shape)
return face_descriptor
if __name__ == '__main__':
# 提取人脸区域
path = './data/jm/1.jpg'
img = cv2.imread(path)
# 转为RGB为了准确率
img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
# 返回值：128D面部描述符
p = Eigenvector().fun1(img)
print(p.shape)
ao2.py
# 批量读取数据
import os
import cv2
import numpy as np
import ao1
def cv_show(neme, img):
cv2.namedWindow(neme, cv2.WINDOW_NORMAL)
cv2.imshow(neme, img)
cv2.waitKey(0)
cv2.destroyAllWindows()
def r_path_name(path):
list_img = os.listdir(path)
# 一个人的特征表
person = []
# 标签列表
lab = []
# 标签号
lab_n = 0
for i in range(len(list_img)):
list_img_name = os.listdir(path + list_img)
lab_n += 1
# 当前类别的特征集合
feature_list = None
for j in list_img_name:
path_n = path + list_img + "/" + j
# 读取图片
img = cv2.imread(path_n)
# 转为RGB为了提高准确率
img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
# cv_show('neme', img)
# 人脸特征向量
feat = ao1.Eigenvector().fun1(img)
# 如果识别到了人脸
if not feat is None:
if feature_list is None:
feature_list = feat
else:
# 特征列表 拼接矩阵 竖向合并
feature_list = np.concatenate((feature_list, feat), axis=0)
person.append(feature_list)
lab.append(lab_n)
return person, lab
if __name__ == '__main__':
path = "./data/jm/"
img, lab = r_path_name(path)
print(len(img))
print(len(lab))
# 保存路径
path_s = "./data/train"
# 保存csv
for i, j in zip(img, lab):
fo1 = open(f"{path_s}{j}.txt", "w", encoding="utf-8")
# 写入
fo1.write(str(i.tolist()))
# 关闭打开的文件
fo1.close()
NotADirectoryError: 目录名称无效。: './data/jm/1.jpg'
根据错误信息NotADirectoryError: 目录名称无效。: './data/jm/1.jpg' ，它表明你在尝试列出目录'./data/jm/1.jpg'中的文件，但'./data/jm/1.jpg'不是一个目录，它是一个文件。你在列出目录中的文件时需要提供一个正确的目录路径。
我注意到在ao2.py文件中的r_path_name(path)函数里，你试图读取path目录下的所有文件（人脸图片），并且对每一个文件执行一些操作。问题出现在以下这段代码中：
for i in range(len(list_img)):
list_img_name = os.listdir(path + list_img)
lab_n += 1
# ...
for j in list_img_name:
path_n = path + list_img + "/" + j
在上述代码中， os.listdir(path + list_img)这行试图获取一个路径的列表，但 list_img 是一个文件名列表，不是一个单一的文件名，所以path + list_img并不是一个有效的路径。你可能想要在每个迭代中获取单个文件名，然后将这个文件名添加到路径中。
你可以尝试修改为以下代码：
for i in range(len(list_img)):
img_name = list_img# 获取单个文件名
list_img_name = os.listdir(path + "/" + img_name)# 添加文件名到路径中
lab_n += 1
# ...
for j in list_img_name:
path_n = path + "/" + img_name + "/" + j
在上述代码中，我获取了list_img列表中的单个文件名，并将其添加到路径中。然后，在路径中添加更深层的文件名。注意，我在路径组件之间添加了 "/" 字符，以确保路径格式正确。 还是报错呢
D:\anaconda\envs\TF2.1\python.exe D:/ending/FaceRecognition/ao2.py
Traceback (most recent call last):
File "D:/ending/FaceRecognition/ao2.py", line 63, in <module>
img, lab = r_path_name(path)
File "D:/ending/FaceRecognition/ao2.py", line 29, in r_path_name
list_img_name = os.listdir(path + "/" + img_name)# 添加文件名到路径中
NotADirectoryError: 目录名称无效。: './data/jm//1.jpg' isdkz 发表于 2023-5-30 10:37
根据错误信息NotADirectoryError: 目录名称无效。: './data/jm/1.jpg' ，它表明你在尝试 ...
大佬，还是有点问题哎{:10_266:}
页:
[1]