行业新闻
Group news
江苏宏丰木业有限公司    您的位置: 首页  >  行业新闻  >  正文

用dlib实现人脸识别的技巧

2019年11月03日 文章来源:网络整理 热度:172℃ 作者:刘英

很多人都认为人脸识别是一项非常难以实现的工作,看到名字就害怕,然后心怀忐忑到网上一搜,看到网上N页的教程立马就放弃了。这些人里包括曾经的我自己。其实如果如果你不是非要深究其中的原理,只是要实现这一工作的话,人脸识别也没那么难。今天我们就来看看如何在40行代码以内简单地实现人脸识别。

一点区分

对于大部分人来说,区分人脸检测和人脸识别完全不是问题。但是网上有很多教程有无无意地把人脸检测说成是人脸识别,误导群众,造成一些人认为二者是相同的。其实,人脸检测解决的问题是确定一张图上有木有人脸,而人脸识别解决的问题是这个脸是谁的。可以说人脸检测是是人识别的前期工作。今天我们要做的是人脸识别。

所用工具

Anaconda 2——Python 2

Dlib

scikit-image

Dlib

对于今天要用到的主要工具,还是有必要多说几句的。Dlib是基于现代C++++的一个跨平台通用的框架,作者非常勤奋,一直在保持更新。Dlib内容涵盖机器学习、图像处理、数值算法、数据压缩等等,涉猎甚广。更重要的是,Dlib的文档非常完善,例子非常丰富。就像很多库一样,Dlib也提供了Python的接口,安装非常简单,用pip只需要一句即可:

pip install dlib

上面需要用到的scikit-image同样只是需要这么一句:

pip install scikit-image

·?注:如果用pip install dlib安装失败的话,那安装起来就比较麻烦了。错误提示很详细,按照错误提示一步步走就行了。

人脸识别

之所以用Dlib来实现人脸识别,是因为它已经替我们做好了绝大部分的工作,我们只需要去调用就行了。Dlib里面有人脸检测器,有训练好的人脸关键点检测器,也有训练好的人脸识别模型。今天我们主要目的是实现,而不是深究原理。感兴趣的同学可以到官网查看源码以及实现的参考文献。今天的例子既然代码不超过40行,其实是没啥难度的。有难度的东西都在源码和论文里。

首先先通过文件树看一下今天需要用到的东西:

用dlib实现人脸识别的技巧

准备了六个候选人的图片放在candidate-faces文件夹中,然后需要识别的人脸图片test.jpg。我们的工作就是要检测到test.jpg中的人脸,然后判断她到底是候选人中的谁。另外的girl-face-rec.py是我们的python脚本。shape_predictor_68_face_landmarks.dat是已经训练好的人脸关键点检测器。dlib_face_recognition_resnet_model_v1.dat是训练好的ResNet人脸识别模型。ResNet是何凯明在微软的时候提出的深度残差网络,获得了 ImageNet 2015 冠军,通过让网络对残差进行学习,在深度和精度上做到了比?CNN 更加强大。

1. 前期准备

shape_predictor_68_face_landmarks.dat和dlib_face_recognition_resnet_model_v1.dat都可以在这里找到。不能点击超链接的可以直接输入以下网址:

然后准备几个人的人脸图片作为候选人脸,最好是正脸。放到candidate-faces文件夹中。

本文这里准备的是六张图片,如下:

用dlib实现人脸识别的技巧

她们分别是??

然后准备四张需要识别的人脸图像,其实一张就够了,这里只是要看看不同的情况:

用dlib实现人脸识别的技巧

可以看到前两张和候选文件中的本人看起来还是差别不小的,第三张是候选人中的原图,第四张图片微微侧脸,而且右侧有阴影。

2.识别流程

数据准备完毕,接下来就是代码了。识别的大致流程是这样的:

● 先对候选人进行人脸检测、关键点提取、描述子生成后,把候选人描述子保存起来。

●?然后对测试人脸进行人脸检测、关键点提取、描述子生成。

●?最后求测试图像人脸描述子和候选人脸描述子之间的欧氏距离,距离最小者判定为同一个人。

3.代码

代码不做过多解释,因为已经注释的非常完善了。以下是girl-face-rec.py

# -*- coding: UTF-8 -*-import sys,os,dlib,glob,numpyfrom skimage import ioif len(sys.argv) != 5:? ?print "请检查参数是否正确"? ?exit()# 1.人脸关键点检测器predictor_path = sys.argv[1]# 2.人脸识别模型face_rec_model_path = sys.argv[2]# 3.候选人脸文件夹faces_folder_path = sys.argv[3]# 4.需识别的人脸img_path = sys.argv[4]# 1.加载正脸检测器detector = dlib.get_frontal_face_detector()# 2.加载人脸关键点检测器sp = dlib.shape_predictor(predictor_path)# 3. 加载人脸识别模型facerec = dlib.face_recognition_model_v1(face_rec_model_path)# win = dlib.image_window()# 候选人脸描述子listdescriptors = []# 对文件夹下的每一个人脸进行:# 1.人脸检测# 2.关键点检测# 3.描述子提取for f in glob.glob(os.path.join(faces_folder_path, "*.jpg")):? ?print("Processing file: {}".format(f))? ?img = io.imread(f)? ?#win.clear_overlay()? ?#win.set_image(img)? ?# 1.人脸检测? ?dets = detector(img, 1)? ?print("Number of faces detected: {}".format(len(dets)))? ?for k, d in enumerate(dets): ?? ?# 2.关键点检测? ?shape = sp(img, d)? ? # 画出人脸区域和和关键点? ? ? ?# win.clear_overlay()? ? ? ?# win.add_overlay(d)? ? ? ?# win.add_overlay(shape)? ? ? ?# 3.描述子提取,128D向量? ? ? ?face_descriptor = facerec.compute_face_descriptor(img, shape)? ? ? ?# 转换为numpy array? ? ? ?v = numpy.array(face_descriptor) ?? ? ? ?descriptors.append(v)# 对需识别人脸进行同样处理# 提取描述子,不再注释img = io.imread(img_path)dets = detector(img, 1)dist = []for k, d in enumerate(dets):shape = sp(img, d)face_descriptor = facerec.compute_face_descriptor(img, shape)d_test = numpy.array(face_descriptor) ? ?# 计算欧式距离? ?for i in descriptors:? ? ? ?dist_ = numpy.linalg.norm(i-d_test)? ? ? ?dist.append(dist_)# 候选人名单candidate = ['Unknown1','Unknown2','Shishi','Unknown4','Bingbing','Feifei']# 候选人和距离组成一个dictc_d = dict(zip(candidate,dist))cd_sorted = sorted(c_d.iteritems(), key=lambda d:d[1])print "\n The person is: ",cd_sorted[0][0] ?dlib.hit_enter_to_continue()

4.运行结果

我们在.py所在的文件夹下打开命令行,运行如下命令

python girl-face-rec.py 1.dat 2.dat ./candidate-faecs test1.jpg

由于shape_predictor_68_face_landmarks.dat和dlib_face_recognition_resnet_model_v1.dat名字实在太长,所以我把它们重命名为1.dat和2.dat。

运行结果如下:

The person is Bingbing。

记忆力不好的同学可以翻上去看看test1.jpg是谁的图片。有兴趣的话可以把四张测试图片都运行下试试。

上一篇:掌握模拟电子技术简介及要点梳理


下一篇:对于PCB上的表层走线,有着大学问!

友情链接
Links
鸿运国际官网_鸿运国际备用网址