人脸识别Dlib_face_recognize

-------让系统认识我-------

-------人脸识别系统-------

---VERSION1：基于DLIB实现人脸识别

---文章来自我的Github：https://github.com/zhenghaozhang123/dlib_face_recognize

---缺点：

1.判定是否同一个人的阈值难以确定。adas

2.模型适合小型人脸数据库，一旦人脸数据库人数过多，此处的阈值更s加难以确定

3.同时，一旦数据库新的人员进入，需要重新调整阈值，不符合实际产品落实

---优点：

方便简单，可以用来实现小型数据库样本的识别。比如：想要通过电脑摄像头来实现人脸开机，只需要将单独个人的人脸录入单个人脸数据库。

此处为版本1.通过DLIB，向量间欧式距离，来实现人脸识别系统。

需要下载的我dat(人脸鉴定过程需要的包）：

shape_predictor_5_face_landmarks.dat  -----人脸鉴别基于5个特征点。（https://download.csdn.net/download/u010039305/10413357?utm_source=bbsseo 为下载地址）

shape_predictor_68_face_landmarks.dat -----人脸鉴别基于68个特征点（https://download.csdn.net/download/baiyu_king/10427803 为下载地址）

dlib_face_recognition_resnet_model_v1 -----人脸128D特征转换包 （建议如果想让模型更加准确，自己进行人脸特征转换，最常见为通过卷积神经网络来实现特征取值，后续会讲）（https://download.csdn.net/download/googler_offer/10190598 为下载地址）

现在我们来学如下代码：

get_from_camera.py 

通过电脑摄像头实现对自己人脸的抓取，并储存在个人人脸数据库中，以备后面进行识别

import dlib         # 人脸识别的库dlib

import numpy as np  # 数据处理的库numpy

import cv2          # 图像处理的库OpenCv



# dlib预测器

detector = dlib.get_frontal_face_detector()

predictor = dlib.shape_predictor('D:/yoorstore/face_recognize1/shape_predictor_68_face_landmarks.dat')



# 创建cv2摄像头对象

cap = cv2.VideoCapture(0)



# cap.set(propId, value)

# 设置视频参数，propId设置的视频参数，value设置的参数值

cap.set(3, 480)



# 截图screenshoot的计数器

cnt_ss = 0



# 人脸截图的计数器

cnt_p = 0



# 保存

path_save = "F:/code/python/P_dlib_face_reco/data/get_from_camera/"



# cap.isOpened（） 返回true/false 检查初始化是否成功

while cap.isOpened():



    # cap.read()

    # 返回两个值：

    #    一个布尔值true/false，用来判断读取视频是否成功/是否到视频末尾

    #    图像对象，图像的三维矩阵q

    flag, im_rd = cap.read()



    # 每帧数据延时1ms，延时为0读取的是静态帧

    kk = cv2.waitKey(1)



    # 取灰度

    img_gray = cv2.cvtColor(im_rd, cv2.COLOR_RGB2GRAY)



    # 人脸数rects

    rects = detector(img_gray, 0)



    # print(len(rects))



    # 待会要写的字体

    font = cv2.FONT_HERSHEY_SIMPLEX



    if len(rects) != 0:

        # 检测到人脸



        # 矩形框

        for k, d in enumerate(rects):



            # 计算矩形大小

            # (x,y), (宽度width, 高度height)

            pos_start = tuple([d.left(), d.top()])

            pos_end = tuple([d.right(), d.bottom()])



            # 计算矩形框大小

            height = d.bottom() - d.top