御神楽的学习记录之卷积神经网络的微笑识别

---

前言

卷积神经网络（Convolutional Neural Networks, CNN）是一类包含卷积计算且具有深度结构的前馈神经网络（Feedforward Neural Networks），是深度学习（deep learning）的代表算法之一 。卷积神经网络具有表征学习（representation learning）能力，能够按其阶层结构对输入信息进行平移不变分类（shift-invariant classification），因此也被称为“平移不变人工神经网络（Shift-Invariant Artificial Neural Networks, SIANN）” 。

---

一、神经网络介绍

1.神经网络说明

参考：神经网络算法

2.神经网络结构

①输入层
用于数据的输入
②卷积层
使用卷积核进行特征提取和特征映射
③激励层
由于卷积也是一种线性运算，因此需要增加非线性映射
④池化层
进行下采样，对特征图稀疏处理，减少数据运算量。
⑤全连接层
通常在CNN的尾部进行重新拟合，减少特征信息的损失
结构图：

二、数据处理

1.数据预处理

采用genki4k人脸数据
如下：

1）将完整人脸提取

def init_file():
    num = 0
    bar = tqdm(os.listdir(read_path))
    for file_name in bar:
        bar.desc = "预处理图片: "
        # a图片的全路径
        img_path = (read_path + "/" + file_name)
        # 读入的图片的路径中含非英文
        img = cv2.imdecode(np.fromfile(img_path, dtype=np.uint8), cv2.IMREAD_UNCHANGED)
        # 获取图片的宽高
        img_shape = img.shape
        img_height = img_shape[0]
        img_width = img_shape[1]

        # 用来存储生成的单张人脸的路径

        # dlib检测
        dets = detector(img, 1)
        for k, d in enumerate(dets):
            if len(dets) > 1:
                continue
            num += 1
            # 计算矩形大小
            # (x,y), (宽度width, 高度height)
            # pos_start = tuple([d.left(), d.top()])
            # pos_end = tuple([d.right(), d.bottom()])

            # 计算矩形框大小
            height = d.bottom() - d.top()
            width = d.right() - d.left()

            # 根据人脸大小生成空的图像
            img_blank = np.zeros((height, width, 3), np.uint8)
            for i in range(height):
                if d.top() + i >= img_height:  # 防止越界
                    continue
                for j in range(width):
                    if d.left() + j >= img_width:  # 防止越界
                        continue
                    img_blank[i][j] = img[d.top() + i][d.left() + j]
            img_blank = cv2.resize(img_blank, (200, 200), interpolation=cv2.INTER_CUBIC)
            # 保存图片
            cv2.imencode('.jpg', img_blank)[1].tofile(save_path + "/" + "file" + str(num) + ".jpg")

    logging.info("一共", len(os.listdir(read_path)), "个样本")
    logging.info("有效样本", num)

三、模型训练

1、创建模型

# 创建网络
def create_model():
    model = models.Sequential()
    model.add(layers.Conv2D(32, (3, 3), activation='relu', input_shape=(150, 150, 3)))
    model.add(layers.MaxPooling2D((2, 2)))
    model.add(layers.Conv2D(64, (3, 3), activation='relu'))
    model.add(layers.MaxPooling2D((2, 2)))
    model.add(layers.Conv2D(128, (3, 3), activation='relu'))
    model.add(layers.MaxPooling2D((2, 2)))
    model.add(layers.Conv2D(128, (3, 3), activation='relu'))
    model.add(layers.MaxPooling2D((2, 2)))
    model.add(layers.Flatten())
    model.add(layers.Dropout(0.5))
    model.add(layers.Dense(512, activation='relu'))
    model.add(layers.Dense(1, activation='sigmoid'))
    model.compile(loss='binary_crossentropy',
                  optimizer=optimizers.RMSprop(lr=1e-4),
                  metrics=['acc'])
    return model

2、模型训练

# 训练模型
def train_model(model):
    # 归一化处理
    train_datagen = ImageDataGenerator(
        rescale=1. / 255,
        rotation_range=40,
        width_shift_range=0.2,
        height_shift_range=0.2,
        shear_range=0.2,
        zoom_range=0.2,
        horizontal_flip=True, )

    test_datagen = ImageDataGenerator(rescale=1. / 255)

    train_generator = train_datagen.flow_from_directory(
        # This is the target directory
        train_dir,
        # All images will be resized to 150x150
        target_size=(150, 150),
        batch_size=32,
        # Since we use binary_crossentropy loss, we need binary labels
        class_mode='binary')

    validation_generator = test_datagen.flow_from_directory(
        validation_dir,
        target_size=(150, 150),
        batch_size=32,
        class_mode='binary')

    history = model.fit_generator(
        train_generator,
        steps_per_epoch=100,
        epochs=60,
        validation_data=validation_generator,
        validation_steps=30)

    # 保存模型
    save_path = "output/model"
    if not os.path.exists(save_path):
        os.makedirs(save_path)
    model.save(save_path + "/smileAndUnsmile.h5")
    return history

3、训练结果

准确率：

丢失率：

训练过程：

四、效果演示

1、预测代码

def rec(img):
    gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    dets = detector(gray, 1)
    if dets is not None:
        for face in dets:
            left = face.left()
            top = face.top()
            right = face.right()
            bottom = face.bottom()
            cv2.rectangle(img, (left, top), (right, bottom), (0, 255, 0), 2)
            img1 = cv2.resize(img[top:bottom, left:right], dsize=(150, 150))
            img1 = cv2.cvtColor(img1, cv2.COLOR_BGR2RGB)
            img1 = np.array(img1) / 255.
            img_tensor = img1.reshape(-1, 150, 150, 3)
            prediction = model.predict(img_tensor)
            if prediction[0][0] > 0.5:
                result = 'unsmile'
            else:
                result = 'smile'
            cv2.putText(img, result, (left, top), font, 2, (0, 255, 0), 2, cv2.LINE_AA)
        cv2.imshow('Video', img)


while video.isOpened():
    res, img_rd = video.read()
    if not res:
        break
    rec(img_rd)
    if cv2.waitKey(1) & 0xFF == ord('q'):
        break

2、预测效果

---

总结

卷积神经网络是近年发展起来，并引起广泛重视的一种高效识别方法。一般地，CNN的基本结构包括两层，其一为特征提取层，每个神经元的输入与前一层的局部接受域相连，并提取该局部的特征。CNN主要用来识别位移、缩放及其他形式扭曲不变性的二维图形，该部分功能主要由池化层实现。卷积神经网络长期以来是图像识别领域的核心算法之一，并在学习数据充足时有稳定的表现 。