OpenCV LBPH人脸识别训练报Empty training data错误如何解决

报错根因 #

报错提示已经明确说明：传入了空的训练数据，你的代码逻辑中只有级联分类器成功检测到人脸的区域才会被加入训练集face_train，当所有样本都没有被检测到人脸、或者样本文件根本没有被正确读取时，face_train会为空，最终触发训练报错。

具体解决步骤 #

• 第一步：确认级联分类器文件加载正常
  你当前使用相对路径加载haarcascade_frontalface_default.xml，很容易因为脚本运行的工作目录不对导致加载失败，分类器加载失败时detectMultiScale会始终返回空列表。
  可以在加载分类器的代码后增加校验逻辑：

cascade = cv2.CascadeClassifier("haarcascade_frontalface_default.xml")
# 新增校验
if cascade.empty():
    raise Exception("级联分类器文件加载失败，请检查文件路径是否正确")

建议将分类器xml文件放到和训练脚本同一目录下，或者直接填写文件的绝对路径。

• 第二步：确认样本目录结构和文件格式匹配

1. 目录结构要求：所有样本图片不能直接放在image_data根目录下，必须存放在image_data的子文件夹中，子文件夹的名称就是对应的人脸标签，例如结构应为：

image_data/
├─ 张三/
│  ├─ 1.jpg
│  ├─ 2.png
└─ 李四/
   ├─ 1.jpg
   └─ 2.jpg

2. 文件后缀校验优化：你当前的代码只会识别小写后缀的png、jpg文件，如果样本是大写后缀JPG/PNG会被直接过滤，修改后缀判断逻辑：

# 原代码
# if file.endswith("png") or file.endswith("jpg"):
# 修改后
if file.lower().endswith(("png", "jpg")):

• 第三步：优化人脸检测参数，降低漏检概率
  默认参数的detectMultiScale漏检率很高，增加参数配置提升检测准确率：

# 原代码
# face = cascade.detectMultiScale(image_array)
# 修改后
face = cascade.detectMultiScale(
    image_array,
    scaleFactor=1.1,
    minNeighbors=5,
    minSize=(30, 30)
)

同时确认你的样本图片人脸清晰、无大面积遮挡、角度正面、光线充足，避免分类器无法识别。

• 第四步：增加调试日志和空值判断
  在代码中增加日志打印定位问题，同时避免空数据调用训练接口：

# 遍历文件时增加打印
print(f"当前处理文件：{path}，检测到人脸数量：{len(face)}")

# 调用训练前增加空校验
face,ids = getdata()
print(f"有效训练样本数：{len(face)}")
if len(face) == 0:
    print("未采集到有效人脸样本，请排查上述配置后重试")
    exit()
recognise.train(face, np.array(ids))

内容的提问来源于stack exchange，提问作者mar