人脸识别实战：使用Opencv+SVM实现人脸识别

embedding_model=‘nn4.small2.v1.t7’

confidence_low=0.5

dataset_path：数据集路径

embeddings_path：输出编码文件的路径

detector_path：人脸检测模型的路径

embedding_model：编码模型

confidence_low：最低的置信度。

接下来就是代码的最重要的部分：

print(“loading face detector…”)

protoPath = os.path.sep.join([detector_path, “deploy.proto.txt”])

modelPath = os.path.sep.join([detector_path,“res10_300x300_ssd_iter_140000_fp16.caffemodel”])

detector = cv2.dnn.readNetFromCaffe(protoPath, modelPath)

加载序列化的人脸编码模型

print(“loading face recognizer…”)

embedder = cv2.dnn.readNetFromTorch(embedding_model)

获取数据集中输入图像的路径

print(“quantifying faces…”)

imagePaths = list(list_images(dataset_path))

初始化我们提取的面部编码列表和相应的人名

knownEmbeddings = []

knownNames = []

初始化处理的人脸总数

total = 0

loop over the image paths

for (i, imagePath) in enumerate(imagePaths):

extract the person name from the image path

print(“processing image {}/{}”.format(i + 1,len(imagePaths)))

name = imagePath.split(os.path.sep)[-2]

加载图像，将其调整为宽度为 600 像素（同时保持纵横比），然后抓取图像尺寸

image = cv2.imread(imagePath)

image = resize(image, width=600)

(h, w) = image.shape[:2]

从图像构建一个 blob

imageBlob = cv2.dnn.blobFromImage(

cv2.resize(image, (300, 300)), 1.0, (300, 300),

(104.0, 177.0, 123.0), swapRB=False, crop=False)

使用 OpenCV 的基于深度学习的人脸检测器来定位输入图像中的人脸

detector.setInput(imageBlob)

detections = detector.forward()

ensure at least one face was found

if len(detections) > 0:

假设每个图像只有一张脸，所以找到概率最大的边界框

i = np.argmax(detections[0, 0, :, 2])

confidence = detections[0, 0, i, 2]

确保最大概率的检测也意味着我们的最小概率测试（从而帮助过滤掉弱检测）

if confidence > confidence_low:

计算人脸边界框的 (x, y) 坐标

box = detections[0, 0, i, 3:7] * np.array([w, h, w, h])

(startX, startY, endX, endY) = box.astype(“int”)

提取人脸ROI并抓取ROI维度

face = image[startY:endY, startX:endX]

(fH, fW) = face.shape[:2]

确保人脸宽度和高度足够大

if fW < 20 or fH < 20:

continue

为人脸 ROI 构造一个 blob，然后将 blob 通过我们的人脸嵌入模型来获得人脸的 128-d 量化

faceBlob = cv2.dnn.blobFromImage(face, 1.0 / 255,

(96, 96), (0, 0, 0), swapRB=True, crop=False)

embedder.setInput(faceBlob)

vec = embedder.forward()

将人名+对应的人