python 人脸识别活体检测_基于Python+Keras+OpenCV实现实时人脸活体检测

你在互联网上找到的大多数

本文的目标是实现一种基于眨眼检测的人脸活体检测算法，以抵抗照片攻击。该算法通过网络摄像头实时工作，通过检测眨眼来区分现实生活中的面孔和照片上的面孔。通俗地说，程序运行如下：在网络摄像头生成的每个帧中检测人脸。对于每个检测到的脸，检测眼睛。对于每个检测到的眼睛，检测眼睛是否睁开或关闭。如果在某个时候检测到眼睛是睁开的，然后是闭着的，然后是睁开的，我们就断定此人已经眨了眼睛，并且程序显示他的名字(如果是人脸识别开门器，我们将授权此人进入)。对于人脸的检测和识别，你需要安装face＿recognition库，它提供了非常有用的深度学习方法来查找和识别图像中的人脸，特别是，face＿locations、face＿encodings和compare＿faces函数是最有用的3个函数。人脸定位方法可以用两种方法来检测人脸：方向梯度直方图(HoG)和卷积神经网络(CNN)，由于时间限制，选择了HoG方法。face＿encodings函数是一个预先训练的卷积神经网络，能够将图像编码成128哥元素的一维特征向量，这个嵌入向量包含足够的特征信息来区分两个不同的人，最后，compare＿faces计算两个嵌入向量之间的距离。它将允许算法识别从摄像头帧中提取的人脸，并将其嵌入向量与我们数据集中所有编码的人脸进行比较，距离最近的向量对应于同一个人。1． 已知人脸数据集编码在我的例子中，算法能够识别我和奥巴马，我为每个人挑选了大约10张照片。下面是