基于Python+opecv+keras 的视频人脸识别（参考BossSensor项目）

红太狼 2021-07-26 16:01 314阅读 0赞

BossSensor项目地址：[https://github.com/Hironsan/BossSensor/][https_github.com_Hironsan_BossSensor]

## 一、使用方法： ##

**1、下载项目并解压**  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTI1Nzc0NzQ_size_16_color_FFFFFF_t_70]  
**2、项目主目录下创建一个store目录**

训练生成模型会保存在这个目录下

**3、安装相关依赖包**  
Install OpenCV, PyQt4, Anaconda.

conda create -n venv python=3.5
    source activate venv
    conda install -c https://conda.anaconda.org/menpo opencv3
    conda install -c conda-forge tensorflow
    pip install -r requirements.txt

Change Keras backend from Theano to TensorFlow.

**4、训练特征识别模型**

$ python boss_train.py

**5、使用模型进行识别**

$ python camera_reader.py

**6、使用过程中可能遇到错误**  
可能是软件版本不匹配，查看错误提示信息，并处理好。

## 二、我修改后的代码 ##

因为直接用出现了一些问题，所有进行了部分代码修改：

**1、camera\_reader.py 修改**  
做以下修改：  
①、从ip摄像头或本地读取视频流。  
②、每隔timeF帧进行一次采集识别 （对每一帧进行识别电脑速度跟不上）  
③、实时显示图像，识别出来画框框

# -*- coding:utf-8 -*-
    import cv2
    from boss_train import Model
    from image_show import show_image
    import numpy as np
    import time
    
    if __name__ == '__main__':
        cv2.namedWindow("camera",1)
        #开启ip摄像头
        video="http://172.20.11.42:8080/video"   #此处@后的ipv4 地址需要修改为自己的地址
        # video="./yfw.mp4" #从本地读取视频流
        cap=cv2.VideoCapture(video)
        cascade_path = "/usr/local/lib/python3.5/dist-packages/cv2/data/haarcascade_frontalface_default.xml"   #
        model = Model()
        model.load()
        timeF=30
        c=1
        while True:
            success,frame = cap.read()
            if (c % timeF == 0):  # 每隔timeF帧进行一次图像识别
                        frame_gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
                        # 加载分离器
                        cascade = cv2.CascadeClassifier(cascade_path)
                        print('YFW----GET FACE!!')
                        # 分离器进行人脸识别，获取人脸位置信息
                        facerect = cascade.detectMultiScale(frame_gray, scaleFactor=1.2, minNeighbors=3, minSize=(10, 10))
                        #facerect = cascade.detectMultiScale(frame_gray, scaleFactor=1.01, minNeighbors=3, minSize=(3, 3))
                        if len(facerect) > 0:  #对图像中的所有人脸进行特征识别，是否存在boss的人脸
                            print('face detected')
                            color = (255, 255, 255)  # 白
                            for rect in facerect:
                                print('YFW----FOR!!')
                                # 検出した顔を囲む矩形の作成
                                #cv2.rectangle(frame, tuple(rect[0:2]), tuple(rect[0:2] + rect[2:4]), color, thickness=2)
                                print(rect)
                                x, y = rect[0:2]
                                width, height = rect[2:4]
                                image = frame[y: y + height, x: x + width] # 截取图像的人脸部分
                                image = cv2.resize(image,(64,64)) #修改图像大小为64*64 【这句很重要】
                                cv2.rectangle(frame, (x, y), (x+width, y+height), (0, 255, 0), 2) #画矩形
    # print(image.shape)
                                result = model.predict(image)  #人脸特征识别，识别到boss的人脸返回 0
                                result=0
                                if result == 0:  # boss
                                    print('Boss is approaching')
                                else:
                                    print('Not boss')
            cv2.imshow("camera",frame)
            c = c + 1
        #按键处理，注意，焦点应当在摄像头窗口，不是在终端命令行窗口
            key = cv2.waitKey(10)
            if key == 27:
            #esc键退出
                print("esc break...")
                break
    
        cap.release()
        cv2.destroyWindow("camera")

image = cv2.resize(image,(64,64)) #修改图像大小为64*64 【这句很重要，因为后面代码只对64*64的头像进行处理，不一致会出错】

**2、boss\_train.py 修改**  
找到def predict(self, image):  
增加一行`image = image.reshape((1,IMAGE_SIZE, IMAGE_SIZE,3))`

def predict(self, image):
            if  K.image_data_format() == 'channels_first'  and ——image.shape != (3, IMAGE_SIZE, IMAGE_SIZE,1):
                image = resize_with_pad(image)
                image = image.reshape((1, 3,IMAGE_SIZE, IMAGE_SIZE))
            elif K.image_data_format() == 'channels_first' and image.shape != (1,IMAGE_SIZE, IMAGE_SIZE, 3):
                image = resize_with_pad(image)
                image = image.reshape((1, IMAGE_SIZE, IMAGE_SIZE, 3))
    +++++   image = image.reshape((1,IMAGE_SIZE, IMAGE_SIZE,3))

因为我打印image.shape可以看到图像数据是三维，而这里`image.shape != (3, IMAGE_SIZE, IMAGE_SIZE,1)`只处理四维数据。所以增加`image = image.reshape((1,IMAGE_SIZE, IMAGE_SIZE,3))`直接进行矩阵变化。

**3、训练数据**  
①准备图片数据：  
分别放入boss，和other。  
![在这里插入图片描述][20191220140738104.png]  
②、修改图像大小  
下载图像大小批量修改工具[sizepic][]  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTI1Nzc0NzQ_size_16_color_FFFFFF_t_70 1]  
③、开始训练

$ python boss_train.py

**4、对训练结果进行测试**  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTI1Nzc0NzQ_size_16_color_FFFFFF_t_70 2]

[修改后的源码下载][Link 1]

[https_github.com_Hironsan_BossSensor]: https://github.com/Hironsan/BossSensor/
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTI1Nzc0NzQ_size_16_color_FFFFFF_t_70]: /images/20210726/3e46b9c593854fbea7657591958b670c.png
[20191220140738104.png]: /images/20210726/080e1a33be8241319ea2233566805ff5.png
[sizepic]: https://download.csdn.net/download/u012577474/12043070
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTI1Nzc0NzQ_size_16_color_FFFFFF_t_70 1]: /images/20210726/4a383a091e914059982d7303274b0ff1.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTI1Nzc0NzQ_size_16_color_FFFFFF_t_70 2]: /images/20210726/978c6f28a2604b7b9884b9ea5189f259.png
[Link 1]: https://download.csdn.net/download/u012577474/12043104