一、前言
人脸识别目前有比较多的应用了,比如门禁系统,手机的人脸解锁等等,今天,我们也来实现一个简单的人脸识别。
二、思维导图
三、详细步骤
3.1 准备
3.1.1 facenet
权重文件下载
下载地址:https://drive.google.com/drive/folders/1pwQ3H4aJ8a6yyJHZkTwtjcL4wYWQb7bn,下载 facenet_keras_weights.h5
权重文件到本地。
3.1.2 依赖库安装
pip
安装库的时候如果太慢,设置软件源的地址为清华源,设置命令:
python
pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple
依赖库 | 作用 | 安装命令 |
---|---|---|
OpenCV | 一个用于计算机视觉和图像处理的开源库。用于处理图像和视频。 | pip install opencv-python |
mtcnn | 人脸检测的深度学习模型 | pip install mtcnn |
tensorflow | 开源的机器学习框架 | pip install tensorflow |
mysql-connector-python | 连接 mysql 数据库 | pip install mysql-connector-python |
3.1.3 目录结构说明
python
├─docs 存放文档
├─encodings 存放本地图像特征值
├─facenet_model 存放 facenet 权重文件
├─font 存放简体字体
├─test_faces 测试集
├─train_faces 训练集
├─src 存放代码
3.2 训练人脸
3.2.1 人脸训练集准备
在 train_faces
文件夹下新建 hu_ge
文件夹,然后从社交网络上获取胡歌图片放进去,作为训练集。
一张人脸生成的特征值显然是不够的,因此我们需要多张人脸,不考虑过拟合的情况下,人脸越多越精确。
3.2.2 加载模型
这边加载模型是 ResNetV2
,没有引用库,而是手动去构建神经网络的,我尝试去直接使用 ResNet
库没成功,部分构建代码:
python
def inception_resnet_v2():
inputs = Input(shape=(160, 160, 3))
# 第一层是一个卷积层,应用了 32 个大小为 3x3 的滤波器
x = Conv2D(32, 3, strides=2, padding='valid', use_bias=False, name= 'Conv2d_1a_3x3') (inputs)
# 对输入进行批量归一化
x = BatchNormalization(axis=3, momentum=0.995, epsilon=0.001, scale=False, name='Conv2d_1a_3x3_BatchNorm')(x)
# 应用 ReLU 激活函数
x = Activation('relu', name='Conv2d_1a_3x3_Activation')(x)
x = Conv2D(32, 3, strides=1, padding='valid', use_bias=False, name= 'Conv2d_2a_3x3') (x)
x = BatchNormalization(axis=3, momentum=0.995, epsilon=0.001, scale=False, name='Conv2d_2a_3x3_BatchNorm')(x)
x = Activation('relu', name='Conv2d_2a_3x3_Activation')(x)
x = Conv2D(64, 3, strides=1, padding='same', use_bias=False, name= 'Conv2d_2b_3x3') (x)
x = BatchNormalization(axis=3, momentum=0.995, epsilon=0.001, scale=False, name='Conv2d_2b_3x3_BatchNorm')(x)
x = Activation('relu', name='Conv2d_2b_3x3_Activation')(x)
x = MaxPooling2D(3, strides=2, name='MaxPool_3a_3x3')(x)
x = Conv2D(80, 1, strides=1, padding='valid', use_bias=False, name= 'Conv2d_3b_1x1') (x)
x = BatchNormalization(axis=3, momentum=0.995, epsilon=0.001, scale=False, name='Conv2d_3b_1x1_BatchNorm')(x)
x = Activation('relu', name='Conv2d_3b_1x1_Activation')(x)
x = Conv2D(192, 3, strides=1, padding='valid', use_bias=False, name= 'Conv2d_4a_3x3') (x)
x = BatchNormalization(axis=3, momentum=0.995, epsilon=0.001, scale=False, name='Conv2d_4a_3x3_BatchNorm')(x)
x = Activation('relu', name='Conv2d_4a_3x3_Activation')(x)
x = Conv2D(256, 3, strides=2, padding='valid', use_bias=False, name= 'Conv2d_4b_3x3') (x)
x = BatchNormalization(axis=3, momentum=0.995, epsilon=0.001, scale=False, name='Conv2d_4b_3x3_BatchNorm')(x)
x = Activation('relu', name='Conv2d_4b_3x3_Activation')(x)
这边就涉及到神经网络比较底层的知识,我也不太懂,我就直接使用了。
加载完模型后,加载 facenet
权重文件。
最后再加载 mtcnn
来识别人脸。
python
face_encoder = inception_resnet_v2()
facenet_weight_path = "../facenet_model/facenet_keras_weights.h5"
face_encoder.load_weights(facenet_weight_path)
face_detector = mtcnn.MTCNN()
3.2.3 读取图片、转换颜色空间
OpenCV
读取图片默认是以 BGR
颜色空间,如果我们要给 mtcnn
识别人脸,要先转为 RGB
颜色空间。
python
# 读取图片
img_BGR = cv2.imread(image_path)
# 将一幅图像从 BGR(蓝绿红)颜色空间转换为 RGB(红绿蓝)颜色空间
img_RGB = cv2.cvtColor(img_BGR, cv2.COLOR_BGR2RGB)
3.2.4 mtcnn 识别人脸具体位置
MTCNN
是一种检测图像上的人脸和面部标志的神经网络。
python
x = face_detector.detect_faces(img_RGB)
print(x)
mtcnn
会生成人脸框的坐标和人脸上五个关键点的坐标,分别是左眼,右眼,鼻子,嘴唇的左边界,嘴唇的右边界。
python
{
'box': [468, 98, 195, 249],
'confidence': 0.9999933242797852,
'keypoints': {
'left_eye': (534, 190),
'right_eye': (624, 186),
'nose': (590, 236),
'mouth_left': (549, 294),
'mouth_right': (620, 291)
}
}
显示一下:
python
# 人脸的框的左上角坐标和宽高
x1, y1, width, height = x[0]['box']
x1, y1 = abs(x1), abs(y1)
x2, y2 = x1 + width, y1 + height
# 绘制人脸框
cv2.rectangle(img_BGR, (x1, y1), (x2, y2), (0, 255, 0), 2)
# 绘制人脸关键点
for keypoint, coordinates in x[0]['keypoints'].items():
cv2.circle(img_BGR, coordinates, 2, (0, 0, 255), -1)
# 显示
cv2.imshow('Detected Face', img_BGR)
cv2.waitKey(0)
cv2.destroyAllWindows()
python
# 裁剪出人脸部分
face = img_RGB[y1:y2, x1:x2]
3.2.5 归一化、设置图片大小、生成图像特征值
归一化,将像素值从 [0, 255] 归一化到 [0, 1],如果训练的特征分布和测试的差异很大,那么对输入数据进行归一化,可以在训练和测试过程中保持一致的特征分布。
python
def normalize(img):
"""
归一化处理:将数据缩放到均值为 0,标准差为 1 的标准正态分布
像素值通常是在 0 到 255 的范围内。例如,将像素值从 [0, 255] 归一化到 [0, 1]。
:param img:
:return: 归一化结果
"""
# 获取所有像素的平均值,标准差
mean, std = img.mean(), img.std()
return (img - mean) / std
face_encoder.predict(face_d)[0]
这个函数可以对输入的人脸图像进行特征提取,我们这边只获取单张人脸的特征,所以取下标 0。
python
face = normalize(face)
# 重新设置大小
face = cv2.resize(face, required_shape)
# 扩展(增加)数组的维度
face_d = np.expand_dims(face, axis=0)
encode = face_encoder.predict(face_d)[0]
encodes.append(encode)
encode
只是一张图像的特征值,我们要训练很多张才能实现泛化效果比较好的模型,因此用 encodes
存放每一张图像的特征值。
3.2.6 特征求和、存放到数据库中
python
if encodes:
# 特征求和
# 计算每一列的总和
encode = np.sum(encodes, axis=0)
# 将特征向量标准化为单位向量
encode = l2_normalizer.transform(np.expand_dims(encode, axis=0))[0]
image_feature = base64.b64encode(encode).decode('utf-8')
# 获取标签中文名 hu_ge -> 胡歌
label_chinese_name = get_label_chinese_name(face_names)
encoding_dict[face_names] = encode
save_image_feature(face_names, label_chinese_name, image_feature)
3.3 测试人脸
将需要测试的人脸图片放在 test_faces
文件夹下,这四张都是全新的图片,模型不知道的,这样才可以进行预测。
也是对每一张图像生成人脸的特征值,然后和数据库中的特征值进行比较。
python
dist = cosine(input_feature, image_feature)
**在机器学习中,欧氏距离用于特征空间中样本之间的相似性度量,通过 ****cosine**
函数计算相似度,只要小于相似度阈值,我们就认为属于同一张人脸。
原来我是设置成 0.5
,可能由于训练的样本数太少,不是冯提莫的图片也会被认为是冯提莫,造成错误识别,它的值是 0.48
、0.49
这样,后面我改成 0.4
就好了。
冯提莫和胡歌的人脸特征我提前训练好了,因此这边可以识别到,杨幂和宋轶没有训练,所以识别不到,显示未知。
四、参考资料
- facenet
- mtcnn
- Face Detection using MTCNN