Python+dlib+opencv实现简单的人脸识别

最新推荐文章于 2021-11-18 22:03:32 发布

WOOZI9600L²

最新推荐文章于 2021-11-18 22:03:32 发布

阅读量4.1k

点赞数 2

分类专栏： python 文章标签： opencv 图像处理 python

本文链接：https://blog.csdn.net/weixin_46129506/article/details/121286041

版权

本文介绍了如何使用Python、dlib和opencv建立人脸数据集，包括采集多角度人脸图像和对应的特征点数组。接着，通过人脸识别实验证明了该方法的有效性，当特征值与平均特征值的差距小于0.4时，系统判断为同一人。总结中强调了人脸特征采集的重要性，并提供了参考资料。

摘要由CSDN通过智能技术生成

一、建立人脸数据集

1.采集人脸

建立自己的人脸数据集：建议采集多角度的20张人脸

import cv2
import dlib
import os
import sys
import random
# 存储位置
output_dir = 'D:/face/631907060410/4me' #采集人脸的路径：其中2***为人名（英文方式）方便对比，第二次编译时修改为3***，进行多人比对
size = 100
 
if not os.path.exists(output_dir):
    os.makedirs(output_dir)
# 改变图片的亮度与对比度
 
def relight(img, light=1, bias=0):
    w = img.shape[1]
    h = img.shape[0]
    #image = []
    for i in range(0,w):
        for j in range(0,h):
            for c in range(3):
                tmp = int(img[j,i,c]*light + bias)
                if tmp > 255:
                    tmp = 255
                elif tmp < 0:
                    tmp = 0
                img[j,i,c] = tmp
    return img
 
#使用dlib自带的frontal_face_detector作为我们的特征提取器
detector = dlib.get_frontal_face_detector()
# 打开摄像头 参数为输入流，可以为摄像头或视频文件
camera = cv2.VideoCapture(0) #打开摄像头方式
#camera = cv2.VideoCapture('2.mp4') #采集视频的人脸

index = 1
while True:
    if (index <= 20):#存储20张人脸特征图像
        print('Being processed picture %s' % index)
        # 从摄像头读取照片
        success, img = camera.read()
        # 转为灰度图片
        gray_img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
        # 使用detector进行人脸检测
        dets = detector(gray_img, 1)
 
        for i, d in enumerate(dets):
            x1 = d.top() if d.top() > 0 else 0
            y1 = d.bottom() if d.bottom() > 0 else 0
            x2 = d.left() if d.left() > 0 else 0
            y2 = d.right() if d.right() > 0 else 0
 
            face = img[x1:y1,x2:y2]
            # 调整图片的对比度与亮度， 对比度与亮度值都取随机数，这样能增加样本的多样性
            face = relight(face, random.uniform(0.5, 1.5), random.randint(-50, 50))
 
            face = cv2.resize(face, (size,size))
 
            cv2.imshow('image', face)
 
            cv2.imwrite(output_dir+'/'+str(index)+'.jpg', face)
 
            index += 1
        key = cv2.waitKey(30) & 0xff
        if key == 27:
            break
    else:
        print('Finished!')
        # 释放摄像头 release camera
        camera.release()
        # 删除建立的窗口 delete all the windows
        cv2.destroyAllWindows()
        break

在这里插入图片描述

我采集了三组：
在这里插入图片描述

2.采集对应20张图片的68个特征点数组和平均特征数组

由于我采集了三组数据，所以会有60个数组（当然，如果有无效图的话就没有60组了）。

当光线过亮或者过暗，五官没有在采集到的图片内或模糊不清时，这张图就无效

from cv2 import cv2 as cv2
import os
import dlib
from skimage import io
import csv
import numpy as np
 
# 要读取人脸图像文件的路径
path_images_from_camera = "D:/face/631907060410/"

# Dlib 正向人脸检测器
detector = dlib.get_frontal_face_detector()

# Dlib 人脸预测器
predictor = dlib.shape_predictor("C:/Users/86150/JupyterProject/shape_predictor_68_face_landmarks.dat") #我这是在同一路径下的，shape_predictor_68_face_landmarks.dat不在同一路径的话
#要写为绝对路径："D:/****/****/shape_predictor_68_face_landmarks.dat"

# Dlib 人脸识别模型
# Face recognition model, the object maps human faces into 128D vectors
face_rec = dlib.face_recognition_model_v1("C:/Users/86150/JupyterProject/dlib_face_recognition_resnet_model_v1.dat")#我这是在同一路径下的，dlib_face_recognition_resnet_model_v1.dat不在
#要写为绝对路径："D:/****/****/dlib_face_recognition_resnet_model_v1.dat"

# 返回单张图像的 128D 特征
def return_128d_features(path_img):
    img_rd = io.imread(path_img)
    s=path_img
    a