记录一次人脸识别的学习(笔记)

涉及的功能模块

• 摄像头的调用
• 脸部图像识别和处理
• 活体检测
• 多线程的应用
• 定时器的调用
• 邮件发送

知识点大纲

• 人脸识别基本原理
• 人脸识别库的安装和应用
• 多线程方法的调用
• 第三方邮件发送组件yagmail的基本使用
• 活体检验算法的应用以及代码实现

人脸识别的基本原理

所谓机器学习：按照一堆已知的数据，利用计算机去进行演算，最终得到一个合适的计算公式（机器学习模型）来拟合这些数据的过程，就是机器学习

x=1 2 6

y=3 5 13

得到y=2x+1

再往下就是根据公式去预测新的值 如x=3 得到y=7

基本步骤：

• 人脸的68个基本特征点的位置及顺序，判断68个点在图像上是否存在、是否完整
• 人脸detect,定位人脸在图像中的位置，利用目标检测算法输出人脸位置矩形框
• 人脸Shape predictor,找出眼睛眉毛鼻子嘴巴具体的位置
• 人脸对齐alignment，通过投影几何变换出标准脸
• 人脸识别，在对齐的人脸图像上提取128维的特征向量，提取特征向量间的距离来进行判断

dlib库的安装

https://blog.csdn.net/qq_44173974/article/details/107452336

face_recognition库(基于dlib的)

安装 pip install face_recognition

主要方法

• load_image_file 加载要识别的人脸图像，加载返回Numpy数组 ，记录了图片的所有像素的特征向量
• face_location 定位所有图中人脸的位置
  • 返回一个列表，列表每一行就是一张人脸的位置信息，包括[top,right,bottom,left]
• face_landmarks 识别人脸关键特征点，主要用途 勾勒脸部轮廓
  • 参数是待检测的人脸图像，返回值是带面部特征点字典的列表，列表长度为人脸数量
  • 面部特征点包括：chin，left_eyebrow，right_eyebrow，nose_tip，left_eye，right_eye，top_lip，bottom_lip
• face_encodings 获取图像文件中所有面部编码信息，每张人脸的编码信息是128维的向量
  • 返回值：一个编码列表，参数仍然是待检测的人脸图像
  • 是进行人像对比的重要信息
• compare_faces 由面部编码信息进行面部匹配
  • 主要用于匹配两个面部特征编码，利用这两个特征向量的内积衡量相似度，确认是否是同一个人
  • 第一个参数是面部编码列表，第二个是单个的面部编码，会将第二个参数与第一个参数依次匹配，返回一个bool列表
  • 参数有个tolerance=0.6,一般经验值是0.39，值越小匹配越严格

安装 PIL 库的方法

安装命令: pip install Pillow
测试方法：import PIL

安装opencv

pip install opencv-python

最后的监控系统案例

获取摄像头的图像信息

使用cv2模块的VideoCapture方法，每次读取其中一帧图像进行处理

主要功能：

1. 打开摄像头读取图像
2. 与已知人物头像进行对比，识别哪些是已知人员，哪些是未知人员
3. 在摄像头图像上直接标注识别结果
4. 记录每次对比的结果，并将未知人员的头像进行保存
5. 发送定时邮件，通知监控记录