首页 | 编程 | python

使用卷积神经网络（CNN）做人脸识别的示例代码

2020年03月27日 作者：kangChi的小课堂原文

上回书说到了对人脸的检测，这回就开始正式进入人脸识别的阶段。

关于人脸识别，目前有很多经典的算法，当我大学时代，我的老师给我推荐的第一个算法是特征脸法，原理是先将图像灰度化，然后将图像每行首尾相接拉成一个列向量，接下来为了降低运算量要用PCA降维， 最后进分类器分类，可以使用KNN、SVM、神经网络等等，甚至可以用最简单的欧氏距离来度量每个列向量之间的相似度。OpenCV中也提供了相应的EigenFaceRecognizer库来实现该算法，除此之外还有FisherFaceRecognizer、LBPHFaceRecognizer以及最近几年兴起的卷积神经网络等。

卷积神经网络（CNN）的前级包含了卷积和池化操作，可以实现图片的特征提取和降维，最近几年由于计算机算力的提升，很多人都开始转向这个方向，所以我这次打算使用它来试试效果。

老规矩，先配置下编程的环境：

  • 系统：windows / linux
  • 解释器：python 3.6
  • 依赖库：numpy、opencv-python 3、tensorflow、keras、scikit-learn
pip3 install numpy
pip3 install opencv-python
pip3 install keras
pip3 install scikit-learn
pip3 install tensorflow

如果手中有一块支持Cuda加速的GPU建议安装GPU版本：

pip3 install tensorflow-gpu

上次文章有位读者评论说：

这里根据自己的电脑系统来选择相应的系统选项，至于是64位还是32位要根据自己电脑的内存大小和系统位数来选择，python版本选择3.6。

下载完成安装，打开程序，切换左侧菜单到Environment，选择all,输入想要安装的模块并搜索，选中后点击右下角的Apply就开始安装了。

原谅我拙劣的绘画技巧

当然了，实现这一步骤的前提就是要有一个训练好的可以做人脸识别的模型，所以本文的主要内容都会放在训练上面。

深度学习框架的选择：

卷积神经网络是深度学习在图像方面的应用，所以最高效的方法就是选择合适的深度学习框架来实现它，现在市面上有很多深度学习框架可供选择， 比如基于 C++ 的 Caffe 、基于 Python 的TensorFlow、Pytorch、Theano、CNTK 以及前两天一个好友提到的她正在用来做推荐算法的 MXNET 。

本文所使用后端运算引擎为TensorFlow，简称 TF (掏粪)。

 于是我需要自己的一些图照片，来教会神经网络，这个就是我，以及一堆其他人的照片来告诉它，这些不是我，或者说这些人分别是谁。

现在需要去采集一些其他人的图片，这些数据集可以自己用相机照、或者写个爬虫脚本去网上爬，不过由于人脸识别早在几十年前就一直有前辈在研究，很多大学和研究机构都采集并公布了一些人脸数据集专门用作图像识别算法的研究和验证用，像耶鲁大学的Yale人脸库，剑桥大学的ORL人脸库以及美国国防部的FERET人脸库等，我在这里用了耶鲁大学的Yale人脸库，里面包含15个人，每人11张照片，主要包括光照条件的变化，表情的变化，接下来我会把自己的几张照片混进去，看看训练过后能不能被神经网络良好的识别。

头像提取：

提取自己照片使用的是上篇文章提到的方法：

获取文件夹下所有图片文件 -> 检测人脸位置 -> 根据人脸位置及尺寸剪裁出人脸 -> 保存。

这是我的目录结构：

尺寸变换：

现在有了所有的图片，可以开始训练了，不过Yale人脸库里面所有照片都是100*100的尺寸，所以将要构建的卷积神经网络的输入就是100*100，而我新生成的图片样本形状都是不规则的，为了使它可以顺利进入卷积层，第一步就要对图片做尺寸变换，当然不能暴力的resize成100*100，否则会引起图片的变形，所以这里采用了一种数字图像处理中常用的手段，就是将较短的一侧涂黑，使它变成和目标图像相同的比例，然后再resize，这样既可以保留原图的人脸信息，又可以防止图像形变：

def resize_without_deformation(image, size = (100, 100)):
    height, width, _ = image.shape
    longest_edge = max(height, width)
    top, bottom, left, right = 0, 0, 0, 0
    if height < longest_edge:
        height_diff = longest_edge - height
        top = int(height_diff / 2)
        bottom = height_diff - top
    elif width < longest_edge:
        width_diff = longest_edge - width
        left = int(width_diff / 2)
        right = width_diff - left

    image_with_border = cv2.copyMakeBorder(image, top , bottom, left, right, cv2.BORDER_CONSTANT, value = [0, 0, 0])

    resized_image = cv2.resize(image_with_border, size)

    return resized_image

调用了该函数出现了下面的效果：

当然了，识别的效果还是取决于训练好的模型的质量，我差不多用了吃2/3个西瓜的时间来训练，还是有一些误识别的情况出现：

总结了下这次的人脸识别系统，感觉人脸检测效果还需要改进，识别准确度也有待提升，之后要多收集各个角度的照片样本和改进网络参数。

到此这篇关于使用卷积神经网络（CNN）做人脸识别的示例代码的文章就介绍到这了,更多相关卷积神经网络CNN 人脸识别内容请搜索来客网以前的文章或继续浏览下面的相关文章希望大家以后多多支持来客网

相关链接