Dlib和Opencv编程建立人脸识别数据集

最新推荐文章于 2024-12-10 22:24:52 发布

Sue hiroshi

最新推荐文章于 2024-12-10 22:24:52 发布

阅读量2.6k

点赞数 1

CC 4.0 BY-SA版权

文章标签：网络 http tcp/ip

本文链接：https://blog.youkuaiyun.com/tauvan/article/details/121383279

本文介绍了如何利用Dlib库和OpenCV进行人脸图片采集、特征点提取，以及实现人脸识别。通过在视频流中抓取人脸特征并保存，接着采集68个特征点数组，并将其存储为CSV文件。最后，演示了基于欧氏距离的人脸识别测试，成功识别了已知个体。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

一、采集人脸图片

1. Dlib库简介

Dlib库是一个机器学习的开源库，包含了机器学习的很多算法，使用起来很方便，直接包含头文件即可，并且不依赖于其他库（自带图像编解码库源码）。Dlib可以帮助创建很多复杂的机器学习方面的软件来帮助解决实际问题。目前Dlib已经被广泛的用在行业和学术领域,包括机器人,嵌入式设备,移动电话和大型高性能计算环境。
基于dlib库对人脸特征进行提取，在视频流中抓取人脸特征、并保存为64x64大小的图片文件。注意的是：因为我们后面会对人脸数据集进行训练识别，因此，这一步非常重要

2. OpenCV简介

OpenCV是一个基于BSD许可（开源）发行的跨平台计算机视觉和机器学习软件库，可以运行在Linux、Windows、Android和Mac OS操作系统上。它轻量级而且高效——由一系列 C 函数和少量 C++ 类构成，同时提供了Python、Ruby、MATLAB等语言的接口，实现了图像处理和计算机视觉方面的很多通用算法。

3.代码实现

import cv2
import dlib
import os
import sys
import random
# 存储位置
output_dir = 'D:/Myworkspace/JupyterNotebook/People/person/person2'
size = 64
 
if not os.path.exists(output_dir):
    os.makedirs(output_dir)
# 改变图片的亮度与对比度
 
def relight(img, light=1, bias=0):
    w = img.shape[1]
    h = img.shape[0]
    #image = []
    for i in range(0,w):
        for j in range(0,h):
            for c in range(3):
                tmp = int(img[j,i,c]*light + bias)
                if tmp > 255:
                    tmp = 255
                elif tmp < 0:
                    tmp = 0
                img[j,i,c] = tmp
    return img
 
#使用dlib自带的frontal_face_detector作为我们的特征提取器
detector = dlib.get_frontal_face_detector()
# 打开摄像头 参数为输入流，可以为摄像头或视频文件
camera = cv2.VideoCapture(0)
index = 1
while True:
    if (index <= 20):#存储15张人脸特征图像
        print('Being processed picture %s' % index)
        # 从摄像头读取照片
        success, img = camera.read()
        # 转为灰度图片
        gray_img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
        # 使用detector进行人脸检测
        dets = detector(gray_img, 1)
 
        for i, d in enumerate(dets):
            x1 = d.top() if d.top() > 0 else 0
            y1 = d.bottom() if d.bottom() > 0 else 0
            x2 = d.left() if d.left() > 0 else 0
            y2 = d.right() if d.right() > 0 else 0
 
            face = img[x1:y1,x2:y2]
            # 调整图片的对比度与亮度， 对比度与亮度值都取随机数，这样能增加样本的多样性
            face = relight(face, random.uniform(0.5, 1.5), random.randint(-50, 50))
 
            face = cv2.resize(face, (size,size))
 
            cv2.imshow('image', face)
 
            cv2.imwrite(output_dir+'/'+str(index)+'.jpg', face)
 
            index += 1
        key = cv2.waitKey(30) & 0xff
        if key == 27:
            break
    else:
        print('Finished!')
        # 释放摄像头 release camera
        camera.release()
        # 删除建立的窗口 delete all the windows
        cv2.destroyAllWindows()
        break

采集的照片位于person1文件夹中

二、采集对应的68个特征点数组

采集人脸68个特征数组需要导入shape_predictor_68_face_landmarks.datDlib人脸检测器，同时也要导入Dlib 人脸识别模型dlib_face_recognition_resnet_model_v1.dat然后将特征数组存入csv文件中供人脸识别使用。

代码实现

from cv2 import cv2 as cv2
import os
import dlib
from skimage import io
import csv
import numpy as np

# 要读取人脸图像文件的路径
path_images_from_camera = "D:/Myworkspace/JupyterNotebook/People/person/"

# Dlib 正向人脸检测器
detector