-------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