人脸识别感性篇

最新推荐文章于 2021-12-21 10:10:52 发布

冰雪满天

最新推荐文章于 2021-12-21 10:10:52 发布

阅读量250

点赞数

分类专栏： Python 文章标签：人脸识别感性篇

Python 专栏收录该内容

31 篇文章

订阅专栏

转: https://blog.youkuaiyun.com/qq_42633819/article/details/81191308

工具:

Python, Tensorflow,OpenCV 等.

参考:

链接: https://github.com/Hironsan/BossSensor

环境搭建:

python最好选择3.5.X的，不要安装2.X的，与3.X的版本不兼容，会出现很多问题。另外再安装一个tensorflow，pip，keras，sklearn，PIL，numpy，opencv等。其中keras要安装2.0版本的，opencv安装3.3.1版本的。

tensorflow有CPU版本的和GPU版本的:

您必须从以下 TensorFlow 类型中选择其一来进行安装：

仅支持 CPU 的 TensorFlow。

如果您的系统没有 NVIDIA® GPU，则必须安装此版本。请注意，此版本的TensorFlow 通常更容易安装（用时通常在 5 或 10 分钟内），所以即使您拥有 NVIDIA GPU，我们也建议先安装此版本。预编译的二进制文件将使用 AVX 指令。

支持 GPU 的 TensorFlow。TensorFlow 程序在 GPU 上的运行速度通常要比在 CPU 上快得多。因此，如果您的系统配有满足以下所示先决条件的 NVIDIA® GPU，并且您需要运行性能至关重要的应用，则最终应安装此版本。

另外我在安装的过程中发现了几篇比较不错的博文供你参考：

1.https://blog.youkuaiyun.com/Eppley/article/details/79297503

2.https://blog.youkuaiyun.com/WJ_MeiMei/article/details/79684627

3.https://zhuanlan.zhihu.com/p/24055668

在几篇博文里你也会看到验证安装正确的方法，如果可以的话，说明你安装成功了，这里我就不多说了。后面的话你可能还会遇到别的什么问题，如果还需要安装什么模块的话，在安装也可以。

在硬件方面，你还需要一个USB摄像头。

总结：

USB摄像头一个；

python -- 3.5.X

tensorflow

opencv -- 3.3.1

keras -- 2.0.X

sklearn -- 0.19.0

1，识别人脸

实现人脸识别简单程序没几行，但是我们要实现的是识别这个是谁的脸。首先我们让系统识别人脸，这是opencv的工作，我们只需要调用其中的API函数就可以了。下面是调用opencv实现对于人脸的识别。咱们在程序下面对程序进行一些解释：

 
 
import cv2
import sys
from PIL import Image
 
def CatchUsbVideo(window_name, camera_idx):
    cv2.namedWindow(window_name)
    
    #视频来源，可以来自一段已存好的视频，也可以直接来自USB摄像头
    cap = cv2.VideoCapture(camera_idx)                
    
    #告诉OpenCV使用人脸识别分类器
    classfier = cv2.CascadeClassifier("H:\\OpenCV\\opencv\\build\\etc\\haarcascades\\haarcascade_frontalface_alt2.xml")
    
    #识别出人脸后要画的边框的颜色，RGB格式
    color = (0, 255, 0)
        
    while cap.isOpened():
        ok, frame = cap.read() #读取一帧数据
        if not ok:            
            break  
 
        #将当前帧转换成灰度图像
        grey = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)                 
        
        #人脸检测，1.2和2分别为图片缩放比例和需要检测的有效点数
        faceRects = classfier.detectMultiScale(grey, scaleFactor = 1.2, minNeighbors = 3, minSize = (32, 32))
        if len(faceRects) > 0:            #大于0则检测到人脸                                   
            for faceRect in faceRects:  #单独框出每一张人脸
                x, y, w, h = faceRect        
                cv2.rectangle(frame, (x - 10, y - 10), (x + w + 10, y + h + 10), color, 2)
                        
        #显示图像
        cv2.imshow(window_name, frame)        
        c = cv2.waitKey(10)
        if c & 0xFF == ord('q'):
            break        
    
    #释放摄像头并销毁所有窗口
    cap.release()
    cv2.destroyAllWindows() 
    
if __name__ == '__main__':
    if len(sys.argv) != 1:
        print("Usage:%s camera_id\r\n" % (sys.argv[0]))
    else:
        CatchUsbVideo("识别人脸区域", 0)

首先，第一行import cv2，实际上，”cv2”中的”2”并不表示OpenCV的版本号。我们知道，OpenCV是基于C/C++的，”cv”和”cv2”表示的是底层CAPI和C++API的区别，”cv2”表示使用的是C++API。这主要是一个历史遗留问题，是为了保持向后兼容性。PIL是一个模块，如果运行的过程中提示你缺少模块的时候你就要安装一个模块了，其余同理，就不再说了。另外在函数Catchusbvideo中，第二个参数指的是你电脑的摄像头的编号，例如是0，1，2等，如果0不行的话，试一下1。在下边的人脸识别分类器中是我自己下载的opencv，下载网站是：https://opencv.org/releases.html，如果你是windows选择对应版本就好，还有就是“H:\\OpenCV\\opencv\\build\\etc\\haarcascades\\haarcascade_frontalface_alt2.xml”这是我安装的一个路径，你也要找到这个路径并且复制到程序中，这个东西的作用主要是实现对人脸识别的功能，在安装中还有其他的功能，我也一并列在下面：

               人脸检测器（默认）：haarcascade_frontalface_default.xml
               人脸检测器（快速Harr）：haarcascade_frontalface_alt2.xml
               人脸检测器（侧视）：haarcascade_profileface.xml
               眼部检测器（左眼）：haarcascade_lefteye_2splits.xml
               眼部检测器（右眼）：haarcascade_righteye_2splits.xml
               嘴部检测器：haarcascade_mcs_mouth.xml
               鼻子检测器：haarcascade_mcs_nose.xml
               身体检测器：haarcascade_fullbody.xml
               人脸检测器（快速LBP）：lbpcascade_frontalface.xml

另外，如果我们想构建自己的分类器，比如识别火焰、汽车，数，花等，我们依然可以使用OpenCV训练构建。

这个函数完成对人脸的识别以及用一个框框给框起来，其中grey是要识别的图像数据，转化为灰度可以减少计算量。scaleFactor：图像缩放比例，可以理解为同一个物体与相机距离不同，其大小亦不同，必须将其缩放到一定大小才方便识别，该参数指定每次缩放的比例。minNeighbors：对特征检测点周边多少有效点同时检测，这样可避免因选取的特征检测点太小而导致遗漏。minSize：特征检测点的最小值。

对同一个画面有可能出现多张人脸，因此，我们需要用一个for循环将所有检测到的人脸都读取出来，然后逐个用矩形框框出来，这就是接下来的for语句的作用。Opencv会给出每张人脸在图像中的起始坐标（左上角，x、y）以及长、宽（h、w），我们据此就可以截取出人脸。其中，cv2.rectangle()完成画框的工作，在这里外扩了10个像素以框出比人脸稍大一点的区域。cv2.rectangle()函数的最后两个参数一个用于指定矩形边框的颜色，一个用于指定矩形边框线条的粗细程度。

好，看来可以顺利的识别出视频中的脸，搞定！但是我们想做的是识别这个人脸是谁的，这仅仅能识别这是谁的脸，完全不能满足我们的渴望，接下来我们进行下一步！

2.模型训练
模型训练的目的是让电脑知道，这个脸的特征是什么，从而可以在视频流中识别。在训练之前必须先准备足够的脸部照片作为机器学习的资料。

2.1准备机器学习的资料
所谓机器学习就是给程序投喂足够多的资料，资料越多，准确度和效率也会越高。要想识别出这张人脸属于谁，我们肯定需要大量的自己的脸和别人的脸，这样才能区别开。然后将这些数据输入到Tensorflow中建立我们自己脸的模型。

1.keras简介
上面提到的日本小哥利用深度学习库keras来训练自己的人脸识别模型。我这里找到一篇keras的中文文档可能对你有些帮助。另外关于Keras， Keras是由纯python编写的基于theano/tensorflow的深度学习框架。Keras是一个高层神经网络API，支持快速实验，能够把你的idea迅速转换为结果，如果有如下需求，可以优先选择Keras：

a）简易和快速的原型设计（keras具有高度模块化，极简，和可扩充特性）

b）支持CNN和RNN，或二者的结合

c）无缝CPU和GPU切换

Keras的模块结构：

使用Keras搭建一个神经网络：

数据格式(data_format)：

        目前主要有两种方式来表示张量：
        a) th模式或channels_first模式，Theano和caffe使用此模式。
        b）tf模式或channels_last模式，TensorFlow使用此模式。

因为我装的是tensorflow因此我直接使用了keras的Tensorflow版，同时，为了验证其它深度学习库的效率和准确率，我还使用了Theano，利用CNN——卷积神经网络来训练我的人脸识别模型。本节专注把训练数据准备好。

完整代码如下：

 
 
import cv2
import sys
 
from PIL import Image
 
def CatchPICFromVideo(window_name, camera_idx, catch_pic_num, path_name):
    cv2.namedWindow(window_name)
    
    #视频来源，可以来自一段已存好的视频，也可以直接来自USB摄像头
    cap = cv2.VideoCapture(camera_idx)                
    
    #告诉OpenCV使用人脸识别分类器
    classfier = cv2.CascadeClassifier("H:\\OpenCV\\opencv\\build\\etc\\haarcascades\\haarcascade_frontalface_alt2.xml")
    
    #识别出人脸后要画的边框的颜色，RGB格式
    color = (0, 255, 0)
    
    num = 0    
    while cap.isOpened():
        ok, frame = cap.read() #读取一帧数据
        if not ok:            
            break                
    
        grey = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)  #将当前桢图像转换成灰度图像            
        
        #人脸检测，1.2和2分别为图片缩放比例和需要检测的有效点数
        faceRects = classfier.detectMultiScale(grey, scaleFactor = 1.2, minNeighbors = 3, minSize = (32, 32))
        if len(faceRects) > 0:          #大于0则检测到人脸                                   
            for faceRect in faceRects:  #单独框出每一张人脸
                x, y, w, h = faceRect                        
                
                #将当前帧保存为图片
                img_name = '%s/%d.jpg'%(path_name, num)                
                image = frame[y - 10: y + h + 10, x - 10: x + w + 10]
                cv2.imwrite(img_name, image)                                
                                
                num += 1                
                if num > (catch_pic_num):   #如果超过指定最大保存数量退出循环
                    break
                
                #画出矩形框
                cv2.rectangle(frame, (x - 10, y - 10), (x + w + 10, y + h + 10), color, 2)
                
                #显示当前捕捉到了多少人脸图片了，这样站在那里被拍摄时心里有个数，不用两眼一抹黑傻等着
                font = cv2.FONT_HERSHEY_SIMPLEX
                cv2.putText(frame,'num:%d' % (num),(x + 30, y + 30), font, 1, (255,0,255),4)                
        
        #超过指定最大保存数量结束程序
        if num > (catch_pic_num): break                
                       
        #显示图像
        cv2.imshow(window_name, frame)        
        c = cv2.waitKey(10)
        if c & 0xFF == ord('q'):
            break        
    
    #释放摄像头并销毁所有窗口
    cap.release()
    cv2.destroyAllWindows() 
    
if __name__ == '__main__':
    if len(sys.argv) != 1:
        print("Usage:%s camera_id face_num_max path_name\r\n" % (sys.argv[0]))
    else:
        CatchPICFromVideo("截取人脸", 0, 1000, 'C:\\Users\\Administrator\\Desktop\\Python\\data\\liziqiang')