结合OpenCV与TensorFlow进行人脸识别的实现


Posted in Python onOctober 10, 2019

作为新手来说,这是一个最简单的人脸识别模型,难度不大,代码量也不算多,下面就逐一来讲解,数据集的准备就不多说了,因人而异。

一. 获取数据集的所有路径

利用os模块来生成一个包含所有数据路径的list

def my_face():
  path = os.listdir("./my_faces")
  image_path = [os.path.join("./my_faces/",img) for img in path]
  return image_path
def other_face():
  path = os.listdir("./other_faces")
  image_path = [os.path.join("./other_faces/",img) for img in path]
  return image_path
image_path = my_face().__add__(other_face())  #将两个list合并成为一个list

二. 构造标签

标签的构造较为简单,1表示本人,0表示其他人。

label_my= [1 for i in my_face()]
 label_other = [0 for i in other_face()]
 label = label_my.__add__(label_other)       #合并两个list

三.构造数据集

利用tf.data.Dataset.from_tensor_slices()构造数据集,

def preprocess(x,y):
  x = tf.io.read_file(x)  #读取数据
  x = tf.image.decode_jpeg(x,channels=3) #解码成jpg格式的数据
  x = tf.cast(x,tf.float32) / 255.0   #归一化
  y = tf.convert_to_tensor(y)				#转成tensor
  return x,y

data = tf.data.Dataset.from_tensor_slices((image_path,label))
data_loader = data.repeat().shuffle(5000).map(preprocess).batch(128).prefetch(1)

四.构造模型

class CNN_WORK(Model):
  def __init__(self):
    super(CNN_WORK,self).__init__()
    self.conv1 = layers.Conv2D(32,kernel_size=5,activation=tf.nn.relu)
    self.maxpool1 = layers.MaxPool2D(2,strides=2)
    
    self.conv2 = layers.Conv2D(64,kernel_size=3,activation=tf.nn.relu)
    self.maxpool2 = layers.MaxPool2D(2,strides=2)
    
    self.flatten = layers.Flatten()
    self.fc1 = layers.Dense(1024)
    self.dropout = layers.Dropout(rate=0.5)
    self.out = layers.Dense(2)
  
  def call(self,x,is_training=False):
    x = self.conv1(x)
    x = self.maxpool1(x)
    x = self.conv2(x)
    x = self.maxpool2(x)
    
    x = self.flatten(x)
    x = self.fc1(x)
    x = self.dropout(x,training=is_training)
    x = self.out(x)
  
    
    if not is_training:
      x = tf.nn.softmax(x)
    return x
model = CNN_WORK()

结合OpenCV与TensorFlow进行人脸识别的实现

五.定义损失函数,精度函数,优化函数

def cross_entropy_loss(x,y):
  y = tf.cast(y,tf.int64)
  loss = tf.nn.sparse_softmax_cross_entropy_with_logits(labels=y,logits=x)
  return tf.reduce_mean(loss)

def accuracy(y_pred,y_true):
  correct_pred = tf.equal(tf.argmax(y_pred,1),tf.cast(y_true,tf.int64))
  return tf.reduce_mean(tf.cast(correct_pred,tf.float32),axis=-1)
optimizer = tf.optimizers.SGD(0.002)

六.开始跑步我们的模型

def run_optimizer(x,y):
  with tf.GradientTape() as g:
    pred = model(x,is_training=True)
    loss = cross_entropy_loss(pred,y)
  training_variabel = model.trainable_variables
  gradient = g.gradient(loss,training_variabel)
  optimizer.apply_gradients(zip(gradient,training_variabel))
model.save_weights("face_weight") #保存模型

最后跑的准确率还是挺高的。

结合OpenCV与TensorFlow进行人脸识别的实现

七.openCV登场

最后利用OpenCV的人脸检测模块,将检测到的人脸送入到我们训练好了的模型中进行预测根据预测的结果进行标识。

cap = cv2.VideoCapture(0)

face_cascade = cv2.CascadeClassifier('C:\\Users\Wuhuipeng\AppData\Local\Programs\Python\Python36\Lib\site-packages\cv2\data/haarcascade_frontalface_alt.xml')

while True:
  ret,frame = cap.read()

  gray = cv2.cvtColor(frame,cv2.COLOR_BGR2GRAY)

  faces = face_cascade.detectMultiScale(gray,scaleFactor=1.2,minNeighbors=5,minSize=(5,5))

  for (x,y,z,t) in faces:
    img = frame[x:x+z,y:y+t]
    try:
      img = cv2.resize(img,(64,64))
      img = tf.cast(img,tf.float32) / 255.0
      img = tf.reshape(img,[-1,64,64,3])
    
      pred = model(img)
      pred = tf.argmax(pred,axis=1).numpy()
    except:
      pass
    if(pred[0]==1):
      cv2.putText(frame,"wuhuipeng",(x-10,y-10),cv2.FONT_HERSHEY_SIMPLEX,1.2,(255,255,0),2)
    
    cv2.rectangle(frame,(x,y),(x+z,y+t),(0,255,0),2)
  cv2.imshow('find faces',frame)
  if cv2.waitKey(1)&0xff ==ord('q'):
    break
cap.release()
cv2.destroyAllWindows()

完整代码地址github.

以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持三水点靠木。

Python 相关文章推荐
Python在图片中添加文字的两种方法
Apr 29 Python
Python SQLite3简介
Feb 22 Python
将python图片转为二进制文本的实例
Jan 24 Python
Python Pexpect库的简单使用方法
Jan 29 Python
python实现翻转棋游戏(othello)
Jul 29 Python
详解如何用TensorFlow训练和识别/分类自定义图片
Aug 05 Python
Python帮你识破双11的套路
Nov 11 Python
python正则表达式的懒惰匹配和贪婪匹配说明
Jul 13 Python
Django框架实现在线考试系统的示例代码
Nov 30 Python
django中ImageField的使用详解
Dec 21 Python
python之np.argmax()及对axis=0或者1的理解
Jun 02 Python
http通过StreamingHttpResponse完成连续的数据传输长链接方式
Feb 12 Python
树莓派安装OpenCV3完整过程的实现
Oct 10 #Python
树莓派极简安装OpenCv的方法步骤
Oct 10 #Python
python 利用jinja2模板生成html代码实例
Oct 10 #Python
pandas将多个dataframe以多个sheet的形式保存到一个excel文件中
Oct 10 #Python
利用pandas合并多个excel的方法示例
Oct 10 #Python
python匿名函数的使用方法解析
Oct 10 #Python
Python切图九宫格的实现方法
Oct 10 #Python
You might like
PHP中比较两个字符串找出第一个不同字符位置例子
2014/04/08 PHP
Smarty中调用FCKeditor的方法
2014/10/27 PHP
php把字符串指定字符分割成数组的方法
2018/03/12 PHP
JS上传图片前的限制包括(jpg jpg gif及大小高宽)等
2012/12/19 Javascript
手机端页面rem宽度自适应脚本
2015/05/20 Javascript
nodejs初步体验篇
2015/11/23 NodeJs
理解JavaScript事件对象
2016/01/25 Javascript
JavaScript的String字符串对象常用操作总结
2016/05/26 Javascript
js中用cssText设置css样式的简单方法
2016/09/19 Javascript
Vue.js系列之项目搭建(1)
2017/01/03 Javascript
理解nodejs的stream和pipe机制的原理和实现
2017/08/12 NodeJs
vue之将echart封装为组件
2018/06/02 Javascript
Vue 实现列表动态添加和删除的两种方法小结
2018/09/07 Javascript
js中int和string数据类型互相转化实例
2019/01/16 Javascript
js实现旋转木马轮播图效果
2020/01/10 Javascript
Python程序退出方式小结
2017/12/09 Python
jupyter notebook引用from pyecharts.charts import Bar运行报错
2020/04/23 Python
pandas DataFrame实现几列数据合并成为新的一列方法
2018/06/08 Python
python使用插值法画出平滑曲线
2018/12/15 Python
Pyqt清空某一个QTreeewidgetItem下的所有分支方法
2019/06/17 Python
python调用自定义函数的实例操作
2019/06/26 Python
Python多版本开发环境管理工具介绍
2019/07/03 Python
Python 实现一个手机号码获取妹子名字的功能
2019/09/25 Python
关于pandas的离散化,面元划分详解
2019/11/22 Python
python字符串常用方法及文件简单读写的操作方法
2020/03/04 Python
python多进程使用函数封装实例
2020/05/02 Python
AHAVA美国官方网站:死海海泥护肤品牌
2016/10/18 全球购物
信息系统专业个人求职信范文
2013/12/07 职场文书
中英文自我评价语句
2013/12/20 职场文书
大一自我鉴定范文
2013/12/27 职场文书
我爱我家教学反思
2014/05/01 职场文书
学校校庆演讲稿
2014/05/22 职场文书
2014年专项整治工作总结
2014/11/17 职场文书
小学教师党员承诺书
2015/04/27 职场文书
幽默导游词开场白
2015/05/29 职场文书
2016教师节问候语
2015/11/10 职场文书