tensorflow人脸识别_「深度学习」用TensorFlow实现人脸识别（附源码，快速get技能）...

本文将会带你使用python码一个卷积神经网络模型，实现人脸识别，操作难度比较低，动手跟着做吧，让你的电脑认出你那帅气的脸。

由于代码篇幅较长，而且最重要的缩进都没了，建议直接打开源码或者点击分享->复制链接，然后到浏览器里观看，执行顺序(源码在src目录下)获取人脸数据：catchFace.py制作数据集：python mkDataset.py训练cnn：python trainFace.py测试：python testFace.py源码地址：https://gitee.com/face-id/practice/tree/release%2Fopencv-tensorflow-convol-camera-sample/

适合的读者：了解机器学习基础知识(线性代数、微积分求导求偏导)；了解卷积神经网络；了解TensorFlow；熟悉python；最好用卷积神经网络实践过“手写数字识别”

图片来源于网络，有疑问请联系庄大叔

目录

• 准备工作
• 获取人脸数据
• 制作人脸数据集(分为训练集和测试集)
• 构建并训练cnn(重点)
• 识别人脸
• 总结

准备工作

Python3.x；

tensorflow(深度学习框架，可以用anaconda安装)；

opencv(Python图像处理库)；

摄像头(用于捕获人脸数据)；

获取人脸数据

出于习惯，我把各个独立的小功能都封装成一个函数，因此函数比较多，但都比较简单。

1.导包

import sysimport cv2import osimport shutil

2.声明配置

#type取值TYPE_TRAIN = 'train'TYPE_TEST = 'test'#cv2识别出人脸后使用的颜色COLOR_CV2_FRONTALFACE = (0, 255, 0)#识别出的人脸坐标要往外拓宽多少FACE_GIRD_EXT_SIZE = 10#图片储存地址PATH_FACE_SAVE = "D:bruceface-idpracticedataface"#一个人需要取多少张训练样本和测试样本SUM_OF_FACE_TRAIN = 200SUM_OF_FACE_TEST = 50#cv2人脸识别分类器地址PATH_CLASSFIER_CV2_FRONTALFACE_ALT2 = "C:ProgramDataAnaconda3Libraryetchaarcascadeshaarcascade_frontalface_alt2.xml"# 告诉OpenCV使用人脸识别分类器classfier = cv2.CascadeClassifier(PATH_CLASSFIER_CV2_FRONTALFACE_ALT2)#统计已经保存了多少张人脸num = 0

3.函数定义

def getFaceSavePath(name, num, type): ''' 获取该张人脸的存放路径 :param name '人名' :param num '第几张人脸' :param type '训练类型' :return '存放路径' ''' return '{}/{}/{}/{}.jpg'.format(PATH_FACE_SAVE, name, type, num+1)#-----------------头条里不能换行，函数分割线------------------def getFaceGird(face_rect): ''' 获取人脸坐标 ''' x, y, w, h = face_rect t = y + h + FACE_GIRD_EXT_SIZE #top r = x + w + FACE_GIRD_EXT_SIZE #right b = y - FACE_GIRD_EXT_SIZE #bottom l = x - FACE_GIRD_EXT_SIZE #left return t, b, r, l#-----------------头条里不能换行，函数分割线------------------def discernAndSaveFace(frame, name, type, sum): ''' 识别人脸并保存 ''' global num # 将当前桢图像转换成灰度图像 grey = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY) # 人脸检测，scaleFactor和minNeighbors分别为图片缩放比例和需要检测的有效点数 face_rects = classfier.detectMultiScale(grey, scaleFactor=1.2, minNeighbors=3, minSize=(32, 32)) #如果只有一张人脸则保存当前帧 if len(face_rects) == 1: t, b, r, l = getFaceGird(face_rects[0]) #坐标 image = frame[b: t, l: r] cv2.imwrite(getFaceSavePath(name, num, type), image) num += 1 #标记人脸 if len(face_rects) > 0: for face_rect in face_rects: # 单独框出每一张人脸 t, b, r, l = getFaceGird(face_rect) #坐标 # 框出人脸 cv2.rectangle(frame, (l, b), (r, t), COLOR_CV2_FRONTALFACE, 2) # 统计当前捕捉的人脸数量 cv2.putText(frame, '{} num:{}/{}'.format(type, num, sum), (l + 30, b + 30), cv2.FONT_HERSHEY_SIMPLEX, 1, (255, 0, 255), 4)#-----------------头条里不能换行，函数分割线------------------def buildFaceDir(name): ''' 创建/清空目标文件夹 :param name '人名' ''' dir = '{}/{}'.format('D:bruceface-idpracticedataface', name) if os.path.isdir(dir): shutil.rmtree(dir) os.mkdir(dir) #存放训练数据 os.mkdir('{}/{}'.format(dir, TYPE_TRAIN)) #存放测试数据 os.mkdir('{}/{}'.format(dir, TYPE_TEST))#-----------------头条里不能换行，函数分割线------------------def catchFaceFromCamera(name): ''' 从摄像头捕捉人脸并保存为训练/测试样本 :param name 人名 ''' global num print('start to catch face of {}'.format(name)) #要捕捉的人脸总数 catch_sum = SUM_OF_FACE_TRAIN # 调用摄像头，conf.CAMERA_IDX为摄像头索引，默认为0 cap = cv2.VideoCapture(0) #构建该人脸的存放目录 buildFaceDir(name) #开始捕捉数据(人脸) current_type = TYPE_TRAIN while True: #训练数据捕捉完了，则捕捉测试数据 if num >= catch_sum and current_type == TYPE_TRAIN: current_type = TYPE_TEST num = 0 catch_sum = SUM_OF_FACE_TEST #测试数据也捕捉完了，则退出 elif num >= catch_sum and current_type == TYPE_TEST: break #其他情况则退出 elif num >= catch_sum: raise Exception('current_type error') # 读取一帧数据 if cap.isOpened()==False: break ok, frame = cap.read() if not ok: break #识别人脸并保存 if current_type==TYPE_TRAIN: discernAndSaveFace(frame, name, TYPE_TRAIN, SUM_OF_FACE_TRAIN) else: discernAndSaveFace(frame, name, TYPE_TEST, SUM_OF_FACE_TEST) # 显示图像 cv2.imshow(name, frame) #监听输入，按esc退出 c = cv2.waitKey(10) if c & 0xFF == 27: break # 释放摄像头并销毁所有窗口 cap.release() cv2.destroyAllWindows()

4.执行