使用VGG人脸数据集、Dlib和OpenCV的名人识别器

在本文中，我们将探索如何创建一个程序，返回最像输入图像的名人姓名。

这个应用程序很酷，因为你可以用类似的方法做很多事情，比如情感检测或手势识别。

我们将使用的数据是VGG人脸数据集；你可以从这个链接下载https://www.robots.ox.ac.uk/~vgg/data/vgg_face/[1]

该数据库由2622个身份组成。每个身份都有一个文本文件，其中包含指向其图像的多个链接。为了加快这个过程，我们将只使用来自每个身份的5张图像。

基本策略包括两个步骤：注册和推理。

注册

在注册步骤中，我们对每个名人的5张图像中的每一张进行面部关键点检测。面部标志点通过Dlib面部识别器。Dlib模型将输出每个人脸的唯一响应。

VGG数据集的一个优点是已经执行了人脸检测，每个URL都有一个左上角和右下角的点。这是一个很大的帮助，因为人脸检测非常耗时。

我有好消息和坏消息要告诉你。坏消息是2622个身份，每个都有5张图片，所以一共有13110张图片，所以准备好吧——这需要一段时间。我在周末运行了它，大约花了6个小时来处理数据集。

它如此之慢的原因之一是因为你必须从URL打开图像。这大大降低了过程的速度，但使数据集更易于公众访问，因为作者不需要处理每个图像的版权规则。

好消息是你只需要做一次；运行程序后，描述符数组将保存为.npy文件。

一旦我们有了名人的描述，我们就可以进行推断了。

推理

在推理步骤中，检测输入图像的人脸及其关键点。关键点然后通过Dlib人脸识别器，该识别器将输出描述符。

我们所要做的就是计算输入图像描述符和数据集描述符之间的距离。

下面的图片显示了我的结果。

我对结果很满意，但我想确保它起作用。所以，我用Amanda Seyfried的照片测试了我的程序，事实上，她看起来很像她自己！

请参见以下实现：

<