关键词:
转自:http://blog.csdn.net/xingchenbingbuyu/article/details/68482838?ref=myrecommend
版权声明:本文为博主原创文章,转载请联系作者取得授权。
40行代码的人脸识别实践
前言
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:
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:http://dlib.net/files/。
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:
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:
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,numpy from skimage import io if 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list descriptors = [] # 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dict c_d = dict(zip(candidate,dist)) cd_sorted = sorted(c_d.iteritems(), key=lambda d:d[1]) print " The person is: ",cd_sorted[0][0] dlib.hit_enter_to_continue()
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10
- 11
- 12
- 13
- 14
- 15
- 16
- 17
- 18
- 19
- 20
- 21
- 22
- 23
- 24
- 25
- 26
- 27
- 28
- 29
- 30
- 31
- 32
- 33
- 34
- 35
- 36
- 37
- 38
- 39
- 40
- 41
- 42
- 43
- 44
- 45
- 46
- 47
- 48
- 49
- 50
- 51
- 52
- 53
- 54
- 55
- 56
- 57
- 58
- 59
- 60
- 61
- 62
- 63
- 64
- 65
- 66
- 67
- 68
- 69
- 70
- 71
- 72
- 73
- 7482
- 83
- 84
- 85
- 86
- 87
- 88
- 89
- 90
- 91
- 92
- 93
- 94
- 95
- 96
- 97
- 98
- 99
- 100
- 101
- 102
- 103
- 104
- 105
- 106
- 107
- 108
- 109
- 110
- 11
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。
这里需要说明的是,前三张图输出结果都是非常理想的。但是第四张测试图片的输出结果是候选人4。对比一下两张图片可以很容易发现混淆的原因。
机器毕竟不是人,机器的智能还需要人来提升。
有兴趣的同学可以继续深入研究如何提升识别的准确率。比如每个人的候选图片用多张,然后对比和每个人距离的平均值之类的。全凭自己了。
最近申请了微信公众号,感兴趣的同学可以扫码关注。
40行代码的人脸识别实践——runtimeerror:errorwhilecallingcudnncreate
RuntimeError:ErrorwhilecallingcudnnCreate(&handles[new_device_id])infileC:UsersAdministratorAppDataLocalTemppip-install-xops6emndlibdlibcudacudnn_dlibapi.cpp:104.code:1,reason:CUDARuntimeAPIinitializationfailed. 我用的环境是window7 anaconda cudacudnn权限问题,把安全... 查看详情
opencv实践之路——人脸识别之三识别自己的脸(代码片段)
本文由@星沉阁冰不语出品,转载请注明作者和出处。文章链接:http://blog.csdn.net/xingchenbingbuyu/article/details/51472330微博:http://weibo.com/xingchenbing 在之前OpenCV实践之路——人脸识别之一数据收集和预处理和OpenCV实践之... 查看详情
opencv实践之路——人脸识别之二模型训练(代码片段)
本文由@星沉阁冰不语出品,转载请注明作者和出处。文章链接:http://blog.csdn.net/xingchenbingbuyu/article/details/51407336微博:http://weibo.com/xingchenbing 在之前的博客人脸识别之一数据收集和预处理之中,已经下载了ORL... 查看详情
21个项目玩转深度学习:基于tensorflow的实践详解06—人脸检测和识别——mtcnn人脸检测(代码片段)
...主要讲述利用MTCNN的预训练模型得到原图中人脸的分割,代码如下:https://github.com/davidsandberg/facenet结合博客https://blog.csdn.net/FortiLZ/article/details/81396566?tdsourcetag=s_pctim_aiomsg看起来省力些要是对MTCNN的训练过程感兴趣的,可以看https:/... 查看详情
7行python代码的人脸识别(代码片段)
...人脸识别的API,对于老码农而言,自己写一小段代码,来看看一张图片中有几个人 查看详情
人脸识别模型的动手实践!
作者:宋志龙 来源:Datawhale人脸识别已经成为生活中越来越常见的技术,其中最关键的问题就是安全,而活体检测技术又是保证人脸识别安全性的一个重要手段,本文将向大家简单介绍活体检测,并动手... 查看详情
人脸识别模型的动手实践!
...货 作者:宋志龙,算法工程师,Datawhale成员人脸识别已经成为生活中越来越常见的技术,其中最关键的问题就是安全,而活体检测技术又是保证人脸识别安全性的一个重要手段,本文将向大家简 查看详情
opencv实践之路——人脸识别之一数据收集和预处理(代码片段)
本文由@星沉阁冰不语出品,转载请注明作者和出处。文章链接:http://blog.csdn.net/xingchenbingbuyu/article/details/51386949微博:http://weibo.com/xingchenbing 前段时间对人脸检测和人脸标记进行了一些尝试:人脸检测(C... 查看详情
人脸识别模型的动手实践!
...货 作者:宋志龙,算法工程师,Datawhale成员人脸识别已经成为生活中越来越常见的技术,其中最关键的问题就是安全,而活体检测技术又是保证人脸识别安全性的一个重要手段,本文将向大家简单介绍活... 查看详情
用20行python代码实现人脸识别!
阅读文本大概需要11分钟。今天给大家介绍一个世界上最简洁的人脸识别库face_recognition,你可以使用Python和命令行工具进行提取、识别、操作人脸。基于业内领先的C++开源库dlib中的深度学习模型,用LabeledFacesintheWild人脸数据集... 查看详情
人脸识别----face_recognition安装与应用(附代码)(代码片段)
face_recognition号称是世界上最简单的基于python的人脸识别库,是在大名鼎鼎的深度学习框架dlib上做的整合,dlib模型在LFW(LabeledFacesintheWild)能有99.38的准确率。另外face_recognition提供了相应的命令行工具,可以通过命令... 查看详情
手把手教你用1行命令实现人脸识别
手把手教你用1行命令实现人脸识别转载2017年11月01日00:00:00 人脸识别很难吗?--Kangvcar本文导航? 环境要求00%? 环境搭建03%? 实现人脸识别19%? 示例一(1行命令实现人脸识别):19%? 示例二(识别图片中的所有... 查看详情
21个项目玩转深度学习:基于tensorflow的实践详解06—人脸检测和识别——数据集
...籍:《21个项目玩转深度学习:基于TensorFlow的实践详解》人脸检测FDDBFDDB是UMass的数据集,被用来做人脸检测(FaceDetection)。这个数据集比较大,比较有挑战性。而且作者提供了程序用来评估检测结果,所以在这个数据上面比较算... 查看详情
人脸识别 - 每天更新参考人脸编码
】人脸识别-每天更新参考人脸编码【英文标题】:facerecognition-updatingthereferencefaceencodingsdaily【发布时间】:2021-10-1302:54:35【问题描述】:如何每天或每周更新人脸识别参考图像编码以使人脸检测更准确。因为随着时间的推移,... 查看详情
基于python+opencv人脸识别及人脸遮挡识别
文件大小:21M代码行数:47行(主程序)开发环境:Python3.8、OpenCV4.5、dlib点击下载:点击下载猿创承诺:该源码均通过亲自测试可正常运行简要概述:这种人脸识别实现能够识别具有一定遮挡程度的人脸,... 查看详情
opencv学习之路(40)人脸识别算法——eigenfacefisherfacelbph
一、人脸识别算法之特征脸方法(Eigenface)1、原理介绍及数据收集特征脸方法主要是基于PCA降维实现。详细介绍和主要思想可以参考http://blog.csdn.net/u010006643/article/details/46417127上述博客的人脸数据库打不开了,大家可以去下面这... 查看详情
干货|ai人脸识别之人脸搜索(代码片段)
本文档将利用京东云AISDK来实践人脸识别中的人脸搜索功能,主要涉及到分组创建/删除、分组列表获取、人脸创建/删除、人脸搜索,本次实操的最终效果是:创建一个人脸库,拿一张图片在人脸库中搜索出相似度最高的一张,... 查看详情
用python写个简单但强大的人脸识别系统(代码片段)
face_recognition是一个强大、简单、易上手的人脸识别开源项目,并且配备了完整的开发文档和应用案例,特别是兼容树莓派系统。 face_recognition一经开源发布就得到的广泛的热捧,使用简单,功能强大成为其非常显... 查看详情