人脸识别（三）摄像头中的人脸识别+LFW数据集测试

最新推荐文章于 2024-09-06 22:12:06 发布

kaivis_new

最新推荐文章于 2024-09-06 22:12:06 发布

阅读量2.3k

点赞数 2

分类专栏：用python写点好玩的文章标签：计算机视觉 python 人脸识别

本文链接：https://blog.csdn.net/kaivis_new/article/details/117582629

版权

用python写点好玩的专栏收录该内容

6 篇文章 2 订阅

订阅专栏

本文介绍了如何使用face_recognition库加载LFW数据集，并通过摄像头进行实时人脸识别。在LFW数据集上，该方法识别率为99.57%，并在摄像头中检测到人脸后，能显示最相似的人。尽管加载大量图片耗时长，但可以通过存储人脸编码以提高效率。实际应用中，人脸识别常与其他验证方式结合，注重快速识别而非绝对准确性。

摘要由CSDN通过智能技术生成

实现功能：载入LFW数据集的每张图片，作为比对数据库。采集摄像头中的人脸进行比对，计算出与你最像的人

LFW （LFW(Labeled Faces in the Wild Home）
lfw数据集是为了研究非限制环境下的人脸识别问题而建立。LFW 数据库主要是从互联网上搜集图像，而不是实验室，一共含有13000 多张人脸图像，每张图像都被标识出对应的人的名字。
LFW数据集主要测试人脸识别的准确率，该数据库从中随机选择了6000对人脸组成了人脸辨识图片对，其中3000对属于同一个人2张人脸照片，3000对属于不同的人每人1张人脸照片。测试过程LFW给出一对照片，询问测试中的系统两张照片是不是同一个人，系统给出“是”或“否”的答案。通过6000对人脸测试结果的系统答案与真实答案的比值可以得到人脸识别准确率。这个集合被广泛应用于评价 face verification算法的性能。

代码实现

# LFW数据集加载识别人脸
import face_recognition 
import cv2
import os
import numpy as np

def face(path):
    #存储知道人名列表
    known_names=[] 
    #存储知道的特征值
    known_encodings=[]
    cnt = 0
    cnt_error = 0
    for image_name in os.listdir(path):
        for real_image in os.listdir(path+image_name):   
            cnt = cnt + 1 
            load_image = face_recognition.load_image_file(path+image_name+'/'+real_image) #加载图片
            if not len(face_recognition.face_encodings(load_image)): 
                cnt_error = cnt_error+1
                print(cnt_error,"pictures can't be recognized")
            else:
                image_face_encoding = face_recognition.face_encodings(load_image)[0] #获得128维特征值
                known_names.append(image_name)
                known_encodings.append(image_face_encoding)
        if cnt%10 ==0: print(cnt,'pictures loaded')  
    
    print(cnt,'pictures succesfully loaded.')
    #打开摄像头，0表示内置摄像头
    video_capture = cv2.VideoCapture(0) 
    process_this_frame = True
    while True:
        ret, frame = video_capture.read()
        # opencv的图像是BGR格式的，而我们需要是的RGB格式的，因此需要进行一个转换。
        rgb_frame = frame[:, :, ::-1]
        if process_this_frame:
            face_locations = face_recognition.face_locations(rgb_frame)#获得所有人脸位置
            face_encodings = face_recognition.face_encodings(rgb_frame, face_locations) #获得人脸特征值
            face_names = [] #存储出现在画面中人脸的名字
            for face_encoding in face_encodings:         
                distance_list = face_recognition.face_distance(known_encodings,face_encoding)
                idx=np.argmin(distance_list)
                name = known_names[idx]
                face_names.append(name)

        process_this_frame = not process_this_frame

        # 将捕捉到的人脸显示出来
        for (top, right, bottom, left), name in zip(face_locations, face_names):
            cv2.rectangle(frame, (left, top), (right, bottom), (0, 0, 255), 2) # 画人脸矩形框
            # 加上人名标签
            cv2.rectangle(frame, (left, bottom - 35), (right, bottom), (0, 0, 255), cv2.FILLED)
            font = cv2.FONT_HERSHEY_DUPLEX 
            cv2.putText(frame, name, (left + 6, bottom - 6), font, 1.0, (255, 255, 255), 1)
        
        cv2.imshow('frame', frame)
        if cv2.waitKey(1) & 0xFF == ord('q'):
            break

    video_capture.release()
    cv2.destroyAllWindows()

if __name__=='__main__':
    face("F:/traindata/lfw/") #存放已知图像路径