用python+tensorflow让电脑认识你的脸

引入
深度神经网络已经应用在很多方面，同时图像识别是神经网络最具潜力的应用领域。本文将以人脸识别的demo为例，介绍神经网络在图像识别中的应用。

1.程序用到的库
（1）tensorflow：它是一个极其强大的神经网络库，对python有较好的支持。
（2）dlib：它是一款C++的开源工具包，可以进行人脸检测。
（3）open-cv：机器视觉领域极其强大的库，可以进行图像的处理。
（4）numpy：python的科学计算库。
2.必要的程序及库安装
（1）python3.x：建议通过anaconda进行安装。
（2）tensorflow：pip install tensorflow
（3）numpy：pip install numpy
（4）dlib：下载dlib的whl文件之后进行安装 pip install dlib-*****.whl
3.程序的具体实现
本程序的部分图像处理内容参考了http://tumumu.cn/的博客内容。
程序的数据集采用马萨诸塞大学阿默斯特分校发起的lfw（点这里下载数据集）项目收集的数据集。

1.录入自己的脸，准备数据集
collect_my_face.py

#导入库
import cv2
import dlib
import os
import sys
import random

#output_dir用来存放录入的脸部图片
output_dir="./my_faces"
#size最后的图片尺寸为size*size
size=64

if not os.path.exists(output_dir):
    os.makedirs(output_dir)

def relight(img,light=1,bias=0):
    #随机改变图片亮度，增加图片的多样性
    w=img.shape[0]
    h=img.shape[1]
    for i in range(0,h):
        for j in range(w):
            for c in range(3):
                tmp=int(img[j,i,c]*light+bias)
                if tmp>255:
                    tmp=255
                elif tmp<0:
                    tmp=0
                img[j,i,c]=tmp
    return img
detector=dlib.get_frontal_face_detector()
camera=cv2.VideoCapture(0)

index=int(input("输入录入断点："))
while True:
    if (index<=10000):
        #录入10000张照片
        print("Being processed picture %s"%index)
        success,img=camera.read()
        gray_img=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
        dets=detector(gray_img,1)
        for i,d in enumerate(dets):
            #针对识别出来的面部进行剪裁，并把尺寸调整成size*size
            x1=d.top() if d.top() >0 else 0
            y1=d.bottom() if d.bottom()>0 else 0
            x2=d.left() if d.left()>0 else 0
            y2=d.right() if d.right()>0 else 0
            face=img[x1:y1,x2:y2]
            face=relight(face,random.uniform(0.5,1.5),random.randint(-50,50))
            face=cv2.resize(face,(size,size))
            cv2.imshow("image",face)
            cv2.imwrite(output_dir+"/"+str(index)+".jpg",face)
            index+=1
    key=cv2.waitKey(30)& 0xff
    if key==27:
        break

2.数据集转化为batch
input_images_prepare.py

import os
import numpy as np
import cv2

class Read_Batch():
    #定义Read_Batch类用以读取batch
    def __init__(self,path,myface_dir_list=[],other_dir_list=[],batch_list=[],label_list=[]):
        #类内参数初始化，myface_dir_list存放my_faces文件夹下的文件名
        self.myface_dir_list=os.listdir(path+"my_faces")
        self.other_dir_list=os.listdir(path+"other_faces")
        #batch_list存放读取的batch
        self.batch_list=batch_list
        #myface_readed_location指向已经读取到的文件位置，防止下次读取batch的时候重复读取之前读过的图片
        self.myface_readed_location=0
        self.other_face_readed_location=0
        self.path=path
        #label_list存放图片的label
        self.label_list=label_list
        self.myface_len=len(self.myface_dir_list)
        self.other_face_len&