基于卷积神经网络和tensorflow实现的人脸识别

首先贴一下原文地址:http://tumumu.cn/2017/05/02/deep-learning-face/

以前在学习卷积神经网络的时候,发现了很多很有趣的demo,有一次发现了上面这个人脸识别的例子,不过当时还看不懂,经过一段时间之后决定试试能不能将上面的例子改一下,调以调参什么的,于是就有了这篇文章。本以为我的代码和原文没有什么太大的区别,应该不会出现什么错误,但是实际自己上手之后才会发现很多的问题。具体的程序安装,我这里就不再赘述了,大家可以参考原文,讲的很详细。下面我把我的代码贴出来。和原来的代码没有相差很多,就是改了一下中间的卷积层。自己实际操作还是学到了很多东西的。和原文相比,收集人脸和处理其他人脸的代码我都没有做太大的改变,只是去掉了原文代码中修改图片亮度和对比度的部分,所以我收集的图片都是一样的亮度和一样的对比度,这里就不贴这两部分的代码了。这里直接贴训练部分的代码和最后使用模型的代码。

import tensorflow as tf
import cv2
import numpy as np
import os
import random
import sys
from sklearn.model_selection import train_test_split


my_faces_path = './gray_my_faces'
other_faces_path = './other_faces'

#图片的大小采集的64*64
size = 64
imgs = []
labs = []#定义两个数组用来存放图片和标签
#这里是得到图片的大小,进行统一处理,将图片改成统一大小
def getPaddingSize(img):
    h,w,_ = img.shape#获得图片的宽和高还有深度
    top,bottom,left,right = (0,0,0,0)
    longest = max(h,w)

    if w < longest:
        tmp = longest - w
        left = tmp // 2
        right = tmp - left

    elif h < longest:
        tmp = longest - h
        top = tmp // 2
        bottom = tmp - top

    else:
        pass
    return top,bottom,left,right

def readData(path,h=size,w=size):
    for filename in os.listdir(path):
        if filename.endswith('.jpg'):
            filename = path + '/' + filename

            img = cv2.imread(filename)

            top,bottom,left,right = getPaddingSize(img)

            #将图片放大,扩充图片边缘部分,这里不是很理解为什么要扩充边缘部分
            #可能是为了实现像padding的作用
            img = cv2.copyMakeBorder(img,top,bottom,left,right,cv2.BORDER_CONSTANT,value=[0,0,0])
            img = cv2.resize(img,(h,w))

            # 将对应的图片和标签存进数组里面
            imgs.append(img)
            labs.append(path)

readData(my_faces_path)
readData(other_faces_path)

#将图片数组与标签转换成数组,并给图片做上标签
imgs = np.array(imgs)
labs = np.array([[0,1] if lab == my_faces_path else [1,0] for lab in labs])

#随机划分测试集和训练集,规定测试集的大小,这里是可以自己调的
train_x,test_x,train_y,test_y = train_test_split(imgs,labs,test_size=0.05,random_state=random.randint(0,100))

#参数:图片数据的总数,图片的高、宽、通道
train_x = train_x.reshape(train_x.shape[0], size, size,3)
test_x = test_x.reshape(test_x.shape[0], size, size, 3)

#将数据转换为小于1的数
train_x = train_x.astype('float32') / 255.0
test_x = test_x.astype('float32') / 255.0

#输出一下获取的训练图片和测试图片的长度,也就是大小
print('train size:%s,test size:%s' % (len(train_x),len(test_x)))

#图片块,每次取100张图片
batch_size = 100
#计算有多少个batch
num_batch = (len(train_x)) // batch_size

input = tf.placeholder(tf.float32,[None,size,size,3])
output = tf.placeholder(tf.float32,[None,2])

#这里将input在进行处理一下
images = tf.reshape(input,[-1,size,size,3])

keep_prob_5 = tf.placeholder(tf.float32)
keep_prob_75 = tf.placeholder(tf.float32)

#下面开始进行卷积层的处理
#第一层卷积,首先输入的图片大小是64*64
def cnnlayer():
    conv1 = tf.layers.conv2d(inputs=images,
                            filters=32,
                            kernel_size=[5,5],
                            strides=1,
                            padding='same',
                            activation=tf.nn.relu)#输出大小是(64*64*32)
    #第一层池化
    pool1 = tf.layers.max_pooling2d(inputs=conv1,
                                    pool_size=[2,2],
                                    strides=2)#输出大小是(32*32*32)

    #第二层卷积
    conv2 = tf.layers.conv2d(inputs=pool1,
                            filters=32,
                            kernel_size=[5,5],
                            strides=1,
                            padding='same',
                            activation=tf.nn.relu)#输出大小是(32*32*32)

    #第二层池化
    pool2 = tf.layers.max_pooling2d(inputs=conv2,
                                    pool_size=[2,2],
                                    strides=2)#输出大小是(16*16*32)

    #第三层卷积
    conv3 = tf.layers.conv2d(inputs=pool2,
                            filters=32,
                            kernel_size=[5,5],
                            strides=1,
                            padding='same',
                            activation=tf.nn.relu)#(变成16*16*32)
    #第三层池化
    pool3 = tf.layers.max_pooling2d(inputs=conv3,
                                    pool_size=[2,2],
                                    strides=2)#输出大小是(8*8*32)

    #第四层卷积
    conv4 = tf.layers.conv2d(inputs=pool3,
                            filters=64,
                            kernel_size=[5,5],
                            strides=1,
                            padding='same',
                            activation=tf.nn.relu)#输出大小是(变成8*8*64)

    # pool3 = tf.layers.max_pooling2d(inputs=conv4,
    #                                 pool_size=[2,2],
    #                                 strides=2)#输出大小是(变成4*4*64)

#卷积网络在计算每一层的网络个数的时候要细心一些,不然容易出错
#要注意下一层的输入是上一层的输出
    #平坦化
    flat = tf.reshape(conv4,[-1,8*8*64])

    #经过全连接层
    dense = tf.layers.dense(inputs=flat,
                            units=4096,
                            activation=tf.nn.relu)

    #drop_out处理
    drop_out = tf.layers.dropout(inputs=dense,rate=0.5)

    #输出层
    logits = tf.layers.dense(drop_out,units=2)
    return logits
    # yield logits


def cnntrain():
    logits = cnnlayer()
    # logits = next(cnnlayer())

    #交叉熵损失函数
    cross_entropy = tf.reduce_mean(tf.nn.softmax_cross_entropy_with_logits(logits=logits,labels=output))
    #将训练优化方法改成GradientDescentOptimizer发现并没有加快收敛所以又改回AdamOptimizer
    #train_step = tf.train.GradientDescentOptimizer(0.01).minimize(cross_entropy)
    train_step = tf.train.AdamOptimizer(0.01).minimize(cross_entropy)
    # 比较标签是否相等,再求的所有数的平均值,tf.cast(强制转换类型)
    accuracy = tf.reduce_mean(tf.cast(tf.equal(tf.argmax(logits,1),tf.argmax(output,1)),tf.float32))
    #将loss与accuracy保存以供tensorboard使用
    tf.summary.scalar('loss',cross_entropy)
    tf.summary.scalar('accuracy',accuracy)
    #合并所有的Op为一个Op
    merged_summary_op = tf.summary.merge_all()

    #数据保存器的初始化
    saver = tf.train.Saver()

    with tf.Session() as sess:
        sess.run(tf.global_variables_initializer())
        #把summary  Op返回的数据写到磁盘里
        summary_writer = tf.summary.FileWriter('./tmp',graph=tf.get_default_graph())

        for n in range(10):
            #每次取100(batch_size)张图片
            for i in range(num_batch):
                batch_x = train_x[i*batch_size : (i + 1) * batch_size]
                batch_y = train_y[i*batch_size : (i + 1) * batch_size]

                #开始训练数据,同时训练三个变量,返回三个数据,
                _,loss,summary = sess.run([train_step,cross_entropy,merged_summary_op],
                                            feed_dict={input: batch_x, output: batch_y})
                summary_writer.add_summary(summary, n * num_batch + i)
                # 打印损失
                print(n * num_batch + i, loss)

                if (n * num_batch + i) % 100 == 0:
                    # 获取测试数据的准确率
                    acc = accuracy.eval({input: test_x, output: test_y,keep_prob_5:1.0,keep_prob_75:1.0})
                    print("第%f个batch,准确率%f" % (n*num_batch+i, acc))

                    # 准确率大于0.98时保存并退出
                    if acc > 0.98 and n > 2:
                        saver.save(sess, './train_faces.model', global_step=n * num_batch + i)
                        sys.exit(0)
        print('accuracy less 0.98, exited!')

cnntrain()







再加上最后使用模型的代码。

import tensorflow as tf
import cv2
import numpy as np
import os
import random
import sys
from sklearn.model_selection import train_test_split
import dlib


my_faces_path = './my_faces'
other_faces_path = './other_faces'

#将得到的自己的图片和其他图片进行处理
size = 64
imgs = []
labs = []#定义两个数组用来存放图片和标签
def getPaddingSize(img):
    h,w,_ = img.shape#获得图片的宽和高还有深度
    top,bottom,left,right = (0,0,0,0)
    longest = max(h,w)

    if w < longest:
        tmp = longest - w
        left = tmp // 2
        right = tmp - left

    elif h < longest:
        tmp = longest - h
        top = tmp // 2
        bottom = tmp - top

    else:
        pass
    return top,bottom,left,right

def readData(path,h=size,w=size):
    for filename in os.listdir(path):
        if filename.endswith('.jpg'):
            filename = path + '/' + filename

            img = cv2.imread(filename)

            top,bottom,left,right = getPaddingSize(img)

            #将图片放大,扩充图片边缘部分,这里不是很理解为什么要扩充边缘部分

            img = cv2.copyMakeBorder(img,top,bottom,left,right,cv2.BORDER_CONSTANT,value=[0,0,0])
            img = cv2.resize(img,(h,w))

            imgs.append(img)
            labs.append(path)#将对应的图片和标签存进数组里面

readData(my_faces_path)
readData(other_faces_path)

#将图片数组与标签转换成数组
imgs = np.array(imgs)
labs = np.array([[0,1] if lab == my_faces_path else [1,0] for lab in labs])

#随机划分测试集和训练集
train_x,test_x,train_y,test_y = train_test_split(imgs,labs,test_size=0.05,random_state=random.randint(0,100))

#参数:图片数据的总数,图片的高、宽、通道
train_x = train_x.reshape(train_x.shape[0], size, size,3)
test_x = test_x.reshape(test_x.shape[0], size, size, 3)

#将数据转换为小于1的数,二值化使处理变得更简单
train_x = train_x.astype('float32') / 255.0
test_x = test_x.astype('float32') / 255.0

#获取训练图片和测试图片的长度,也就是大小
print('train size:%s,test size:%s' % (len(train_x),len(test_x)))

#图片块,每次取100张图片
batch_size = 100
num_batch = (len(train_x)) // batch_size#计算总共多少轮

input = tf.placeholder(tf.float32,[None,size,size,3])
output = tf.placeholder(tf.float32,[None,2])#输出加两个,true or false
#这里注意的是tf.reshape不是np.reshape
# images = tf.reshape(input,[-1,size,size,3])

keep_prob_5 = tf.placeholder(tf.float32)
keep_prob_75 = tf.placeholder(tf.float32)

#下面开始进行卷积层的处理
#第一层卷积,首先输入的图片大小是64*64
def cnnlayer():
    #第一层卷积
    conv1 = tf.layers.conv2d(inputs=input,
                            filters=32,
                            kernel_size=[5,5],
                            strides=1,
                            padding='same',
                            activation=tf.nn.relu)#(64*64*32)
#第一层池化
    pool1 = tf.layers.max_pooling2d(inputs=conv1,
                                    pool_size=[2,2],
                                    strides=2)#(32*32*32)

#第二层卷积
    conv2 = tf.layers.conv2d(inputs=pool1,
                            filters=32,
                            kernel_size=[5,5],
                            strides=1,
                            padding='same',
                            activation=tf.nn.relu)#(32*32*32)

#第二层池化
    pool2 = tf.layers.max_pooling2d(inputs=conv2,
                                    pool_size=[2,2],
                                    strides=2)#(16*16*32)

#第三层卷积
    conv3 = tf.layers.conv2d(inputs=pool2,
                            filters=32,
                            kernel_size=[5,5],
                            strides=1,
                            padding='same',
                            activation=tf.nn.relu)#(变成16*16*32)
#第三层池化
    pool3 = tf.layers.max_pooling2d(inputs=conv3,
                                    pool_size=[2,2],
                                    strides=2)#(8*8*32)

#第四层卷积
    conv4 = tf.layers.conv2d(inputs=pool3,
                             filters=64,
                             kernel_size=[5,5],
                             strides=1,
                             padding='same',
                             activation=tf.nn.relu)#(变成8*8*64)
    # pool3 = tf.layers.max_pooling2d(inputs=conv4,
    #                                 pool_size=[2,2],
    #                                 strides=2)#(变成4*4*6)

#卷积网络在计算每一层的网络个数的时候要细心一些
#卷积层加的padding为same是不会改变卷积层的大小的
#要注意下一层的输入是上一层的输出
#平坦化
    flat = tf.reshape(conv4,[-1,8*8*64])

#经过全连接层
    dense = tf.layers.dense(inputs=flat,
                            units=4096,
                            activation=tf.nn.relu)

#drop_out,flat打错一次
    drop_out = tf.layers.dropout(inputs=dense,rate=0.2)

#输出层
    logits = tf.layers.dense(drop_out,units=2)
    return logits
    # yield logits
out = cnnlayer()
# out = next(cnnlayer())
predict = tf.argmax(out,1)
saver = tf.train.Saver()
sess = tf.Session()
saver.restore(sess,tf.train.latest_checkpoint('.'))

def is_my_face(image):
    res = sess.run(predict, feed_dict={input: [image / 255.0]})
    if res[0] == 1:
        return True
    else:
        return False

        # 使用dlib自带的frontal_face_detector作为我们的特征提取器


detector = dlib.get_frontal_face_detector()

cam = cv2.VideoCapture(0)

while True:
    _, img = cam.read()
    gray_image = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    dets = detector(gray_image, 1)
    if not len(dets):
        # print('Can`t get face.')
        cv2.imshow('img', img)
        key = cv2.waitKey(30) & 0xff
        if key == 27:
            sys.exit(0)

    for i, d in enumerate(dets):
        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]
        # 调整图片的尺寸
        face = cv2.resize(face, (size, size))
        print('Is this my face? %s' % is_my_face(face))

        cv2.rectangle(img, (x2, x1), (y2, y1), (255, 0, 0), 3)
        cv2.imshow('image', img)
        key = cv2.waitKey(30) & 0xff
        if key == 27:
            sys.exit(0)

sess.close()

总结:经过这一次的学习,对卷积神经网络有了更深的理解,在我修改代码的时候,虽然只是修改中间的卷积层,但还是出现了很多的问题,感觉自己不是写的代码而是写的bug。期间被卡住了很久,不过在Stack Overflow的一些大佬帮助下还是解决了问题(虽然我没有提问,但是上面之前的一些回答帮助了我很多)。总而言之,自己动手撸一遍代码还是比只是看看学到的多啊。

  • 4
    点赞
  • 109
    收藏
    觉得还不错? 一键收藏
  • 16
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 16
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值