基于python调用摄像头进行人脸识别，支持多张人脸同时识别

介绍

调用摄像头进行人脸识别, 支持多张人脸同时识别;

1. 摄像头人脸录入

请不要离摄像头过近, 人脸超出摄像头范围时会有 "OUT OF RANGE" 提醒

2. 提取特征建立人脸数据库

3. 利用摄像头进行人脸识别

face_reco_from_camera.py, 对于每一帧都做检测识别

face_reco_from_camera_single_face.py, 对于人脸<=1, 只有新人脸出现才进行再识别来提高 FPS

face_reco_from_camera_ot.py, 利用 OT 来实现再识别提高 FPS

定制显示名字, 可以写中文

关于精度

• 当使用 0.6 的距离阈值时，dlib 模型在标准 LFW 人脸识别基准上获得了 99.38% 的准确率。

关于算法

• 基于残差网络(Residual Neural Network)的 CNN 模型;

• 该模型是一个具有 29 个卷积层的 ResNet 网络。 它本质上是 He、Zhang、Ren 和 Sun 的论文 Deep Residual Learning for Image Recognition 中 ResNet-34 网络的一个版本，去除了几层，每层的过滤器数量减少了一半。

概述

---

此项目中人脸识别的实现流程 (no OT, 每一帧都进行检测+识别)

实现流程(with OT, 初始帧进行检测+识别, 后续帧检测+质心跟踪)

如果利用 OT 来跟踪, 可以大大提高 FPS, 因为做识别时候需要提取特征描述子的耗时很多;

Steps

---

• 安装依赖库

pip install -r requirements.txt

• 下载源码

git clone https://github.com/coneypo/Dlib_face_recognition_from_camera

• 进行人脸信息采集录入

python3 get_face_from_camera.py

• 提取所有录入人脸数据存入 "features_all.csv"

python3 features_extraction_to_csv.py

• 调用摄像头进行实时人脸识别

python3 face_reco_from_camera.py

• 对于人脸数<=1, 调用摄像头进行实时人脸识别

python3 face_reco_from_camera_single_face.py

• 利用 OT 算法, 调用摄像头进行实时人脸识别

python3 face_reco_from_camera_ot.py

源代码

---

Repo 的 tree / 树状图:

.
├── get_faces_from_camera.py                        # Step 1. Face register
├── features_extraction_to_csv.py                   # Step 2. Feature extraction
├── face_reco_from_camera.py                        # Step 3. Face recognizer
├── face_reco_from_camera_single_face.py    # Step 3. Face recognizer for single person
├── face_reco_from_camera_ot.py             # Step 3. Face recognizer with OT
├── face_descriptor_from_camera.py                  # Face descriptor computation
├── how_to_use_camera.py                            # Use the default camera by opencv
├── data
│   ├── data_dlib                               # Dlib's model
│   │   ├── dlib_face_recognition_resnet_model_v1.dat
│   │   └── shape_predictor_68_face_landmarks.dat
│   ├── data_faces_from_camera        # Face images captured from camera (will generate after step 1)
│   │   ├── person_1
│   │   │   ├── img_face_1.jpg
│   │   │   └── img_face_2.jpg
│   │   └── person_2
│   │       └── img_face_1.jpg
│   │       └── img_face_2.jpg
│   └── features_all.csv                    # CSV to save all the features of known faces (will generate after step 2)
├── README.rst
└── requirements.txt                                # Some python packages needed

用到的 Dlib 相关模型函数:

• Dlib 正向人脸检测器 (based on HOG), output: <class 'dlib.dlib.rectangles'>

detector = dlib.get_frontal_face_detector()
faces = detector(img_gray, 0)

• Dlib 人脸 landmark 特征点检测器, output: <class 'dlib.dlib.full_object_detection'>, will use shape_predictor_68_face_landmarks.dat

# This is trained on the ibug 300-W dataset (https://ibug.doc.ic.ac.uk/resources/facial-point-annotations/)
# Also note that this model file is designed for use with dlib's HOG face detector.
# That is, it expects the bounding boxes from the face detector to be aligned a certain way, the way dlib's HOG face detector does it.
# It won't work as well when used with a face detector that produces differently aligned boxes,
# such as the CNN based mmod_human_face_detector.dat face detector.

predictor = dlib.shape_predictor("data/data_dlib/shape_predictor_68_face_landmarks.dat")
shape = predictor(img_rd, faces[i])

• Dlib 特征描述子 Face recognition model, the object maps human faces into 128D vectors

face_rec = dlib.face_recognition_model_v1("data/data_dlib/dlib_face_recognition_resnet_model_v1.dat")

Python 源码介绍如下:

• get_face_from_camera.py:

进行 Face register / 人脸信息采集录入

• 请注意存储人脸图片时, 矩形框不要超出摄像头范围, 要不然无法保存到本地;

• 超出会有 "out of range" 的提醒;

• features_extraction_to_csv.py:

从上一步存下来的图像文件中, 提取人脸数据存入CSV;

• 会生成一个存储所有特征人脸数据的 "features_all.csv"；

• size: n*128 , n means n people you registered and 128 means 128D features of the face

• face_reco_from_camera.py:

这一步将调用摄像头进行实时人脸识别; / This part will implement real-time face recognition;

• Compare the faces captured from camera with the faces you have registered which are saved in "features_all.csv"

• 将捕获到的人脸数据和之前存的人脸数据进行对比计算欧式距离, 由此判断是否是同一个人;

• face_reco_from_camera_single_face.py:

针对于人脸数 <=1 的场景, 区别于 face_reco_from_camera.py (对每一帧都进行检测+识别), 只有人脸出现的时候进行识别;

• face_reco_from_camera_ot.py:

只会对初始帧做检测+识别, 对后续帧做检测+质心跟踪;

• (optional) face_descriptor_from_camera.py

调用摄像头进行实时特征描述子计算; / Real-time face descriptor computation;