人脸识别“入门”

人脸识别“入门”

人脸识别系统

根据输入的图片，识别出人物信息，应用到不同的任务场景中。具体，这个复杂的人脸识别系统负责哪些工作呢？

• 人脸区域
  
• 人脸特征点检测（5/51/68个）
  

1.人脸定位(仅opencv)

安装opencv-python

pip install opencv-python

需要包：

‘Python路径下/Lib/site-packages/
cv2/data/haarcascade_frontalface_default.xml’

结果展示：

代码：

import cv2

def detect(filename):
    face_cascade = cv2.CascadeClassifier('d:/Python/Lib/site-packages/cv2/data/haarcascade_frontalface_default.xml')
    img = cv2.imread(filename)
    gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

    faces = face_cascade.detectMultiScale(gray, 1.3, 5)

    for (x, y, w, h) in faces:
        img = cv2.rectangle(img, (x, y), (x + w, y + h), (255, 0, 0), 2)


    cv2.imshow('Person Detected!', img)
    cv2.waitKey(0)
    cv2.destroyAllWindows()


if __name__ == '__main__':
    detect('test7.jpg')

人脸定位(face_recognition)

• face_Recognition & Dlib
  GitHub项目：face_recognition
  该项目目前star数超过3万，是GitHub上最主流的人脸识别工具包之一。
  Face_recognition主要参考了OpenFace项目以及谷歌的facenet。
  世界上最简洁的人脸识别库，可以使用Python和命令行工具提取、识别、操作人脸。
  本项目的人脸识别是基于业内领先的C++开源库dlib中的深度学习模型，用Labeled Faces in the Wild人脸数据集进行测试，有高达99.38%的准确率。但对小孩和亚洲人脸的识别准确率尚待提升。

需要环境：

• python3.7
• opencv
• face_recognition

pip install dlib（一般会失败，所以使用whl安装）
pip install face_recognition

结果展示：


代码：

import face_recognition
import cv2

image = face_recognition.load_image_file("test7.jpg")
face_locations_noCNN=face_recognition.face_locations(image)
# A list of tuples of found face locations in css (top, right, bottom, left) order
# 因为返回值的顺序是这样子的，因此在后面的for循环里面赋值要注意按这个顺序来



print("face_location_noCNN:")
print(face_locations_noCNN)
face_num2=len(face_locations_noCNN)
print(face_num2)       # The number of faces
# 到这里为止，可以观察两种情况的坐标和人脸数，一般来说，坐标会不一样，但是检测出来的人脸数应该是一样的
# 也就是说face_num1　＝　face_num２；　face_locations_useCNN　和　face_locations_noCNN　不一样


org = cv2.imread("test7.jpg")
img = cv2.imread("test7.jpg")
cv2.imshow("test7.jpg",img)  # 原始图片




for i in range(0,face_num2):
    top = face_locations_noCNN[i][0]
    right = face_locations_noCNN[i][1]
    bottom = face_locations_noCNN[i][2]
    left = face_locations_noCNN[i][3]

    start = (left, top)
    end = (right, bottom)

    color = (0,255,255)
    thickness = 2
    cv2.rectangle(org, start, end, color, thickness)

cv2.imshow("no cnn ",org)

cv2.waitKey(0)
cv2.destroyAllWindows()

特征点检测

Dlib有专门的函数和模型，能够实现人脸68个特征点的定位。
找到特征点后，就可以通过图像的几何变换（仿射、旋转、缩放），使各个特征点对齐（将眼睛、嘴等部位移到相同位置）。

需要下载包（放在“sitepackages”文件夹下）

shape_predictor_68_face_landmarks.dat

每个人脸识别系统都有自己的人脸数据库，该数据库包含人脸特征向量和对应的信息。

结果展示：

在这里插入图片描述

代码：

#coding=utf-8

import cv2
import dlib

path = "test7.jpg"
img = cv2.imread(path)
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

#人脸分类器
detector = dlib.get_frontal_face_detector()
# 获取人脸检测器
predictor = dlib.shape_predictor(r"d:/Python/Lib/site-packages/shape_predictor_68_face_landmarks.dat")
dets = detector(gray, 1)
for face in dets:
    shape = predictor(img, face)  # 寻找人脸的68个标定点
    # 遍历所有点，打印出其坐标，并圈出来
    for pt in shape.parts():
        pt_pos = (pt.x, pt.y)
        cv2.circle(img, pt_pos, 2, (0, 255, 0), 1)
    cv2.imshow("image", img)

cv2.waitKey(0)
cv2.destroyAllWindows()