人工智能小例子（二）-基于keras+openCV的人脸识别

目前keras是对人工智能来说，入门比较好的一款中间件，屏蔽了很多参数配置和实现细节，直接一层层进行网络搭建就可以。最近一直在学习相关知识，但是一直也没有啥实用的功能出现，在网上有个例子，一下子就吸引住了我，使用keras迅速搭建一套人工智能系统，输入自己的照片和他人照片，训练其识别出自己，然后使用摄像头验证。

废话不多说，先上结果图：

是不是很6，其实实现起来还是依赖了很多网上的大牛，现在跟着我，咱们一步步实现这些：

前置知识：

人工神经网络

keras中文文档

tips:跟着一步步做也能实现，建议先看前置知识；

环境配置：python3.3 ；keras3；win10，OpenCV3，tensorflow

源码下载：https://github.com/xvshu/kera-demo-findme.git

1，识别人脸（OpenCV3）

import cv2

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("D:/opencv/opencv/sources/data/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__':
    CatchUsbVideo("find face", 0)

CatchUsbVideo(window_name, camera_idx)，中camera_idx是自己的电脑第几个摄像头，我没有扩展，一般就选0，如果你扩展了usb或者有其他摄像头，一类类推就好

2，准备训练数据

2.1准备自己的脸数据

这个好办，我们直接使用上边使用到的技术，自动截取图像就好，稍作添加：

#-*- coding: utf-8 -*-

import cv2

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("D:/opencv/opencv/sources/data/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