python构造自定义数据包_构建自定义人脸识别数据集的三种训练方法

在接下来的几篇文章中，我们将训练计算机视觉+深度学习模型来进行面部识别。在此之前，我们首先需要收集脸部数据集。

如果你已经在使用预先准备好的数据集，比如Labeled Faces in the Wild(LFW)，那么你可以省略这步。但对于大多数人来说，我们会想要识别不属于当前数据集的面部，如，识别自己，朋友，家人和同事等。

为了实现这一点，我们需要收集我们想要识别的人脸实例，然后以某种方式对其进行量化。这个过程通常被称为面部识别注册(facial recognition enrollment)。我们简称为“注册”。

本文将重点介绍注册流程的第一步：创建示例人脸的自定义数据集。

在下篇文章中，你将学习如何利用这个数据集的示例图像，量化人脸，并创建你自己的面部识别+ OpenCV应用。

如何创建自定义人脸识别数据集

在本教程中，我们将介绍三种创建面部识别自定义数据集的方法。

第一种方法将使用OpenCV和网络摄像头

(1)检测视频流中的脸部

(2)将示例脸部图像或者说帧保存到磁盘。

第二种方法将讨论如何以编程方式下载人脸图像。

最后，我们将讨论手动收集图像的方法，以及该方法何时适用。

让我们开始构建一个人脸识别数据集！

方法＃1：通过OpenCV和网络摄像头进行面部注册

创建自己的自定义人脸识别数据集的第一种方法适用于以下情况：

你正在构建“现场”人脸识别系统

你需要对某个特定的人进行物理接触来收集他们脸部的示例图像

这样的系统对于公司，学校或其他需要每天出勤的组织来说是典型的。

为了收集这些人的脸部图像，我们可能会带他们到一个特殊的房间，在那里安装了一个摄像机(1)在视频流中检测他们脸部的(x，y)坐标，(2)将包含他们脸的帧写到磁盘中。

我们甚至可能会在数天或数周内执行此过程，以收集他们的脸部示例：

不同的照明条件

一天不同的时间

不同的情绪

…创建一个代表特定人脸的多样的图像数据集。

让我们写一个简单的Python脚本来帮助构建我们的自定义人脸识别数据集。这个Python脚本包括：

访问我们的摄像头

检测人脸

将包含脸部的帧写入磁盘

下载代码访问：https://www.pyimagesearch.com/2018/06/11/how-to-build-a-custom-face-recognition-dataset/

下载完成后，打开 build_face_dataset.py   并分步理解它：

# import the necessary packages

from imutils.video import VideoStream

import argparse