40行代码的人脸识别实践

港控/mmm° 2021-09-30 13:48 282阅读 0赞

很多人都认为人脸识别是一项非常难以实现的工作，看到名字就害怕，然后心怀忐忑到网上一搜，看到网上N页的教程立马就放弃了。这些人里包括曾经的我自己。其实如果如果你不是非要深究其中的原理，只是要实现这一工作的话，人脸识别也没那么难。今天我们就来看看如何在40行代码以内简单地实现人脸识别。

**一点区分**

对于大部分人来说，区分人脸检测和人脸识别完全不是问题。但是网上有很多教程有无无意地把人脸检测说成是人脸识别，误导群众，造成一些人认为二者是相同的。其实，人脸检测解决的问题是确定一张图上有木有人脸，而人脸识别解决的问题是这个脸是谁的。可以说人脸检测是是人识别的前期工作。今天我们要做的是人脸识别。

**所用工具**

<table> 
 <tbody> 
  <tr> 
   <td> 
    <div>
      1 
    </div> 
    <div>
      2 
    </div> 
    <div>
      3 
    </div> </td> 
   <td> 
    <div> 
     <div> 
      <code>Anaconda&nbsp;</code> 
      <code>2</code> 
      <code>——Python&nbsp;</code> 
      <code>2</code> 
     </div> 
     <div> 
      <code>Dlib</code> 
     </div> 
     <div> 
      <code>scikit</code> 
      <code>-</code> 
      <code>image</code> 
     </div> 
    </div> </td> 
  </tr> 
 </tbody> 
</table>

**Dlib**

对于今天要用到的主要工具，还是有必要多说几句的。Dlib是基于现代C++的一个跨平台通用的框架，作者非常勤奋，一直在保持更新。Dlib内容涵盖机器学习、图像处理、数值算法、数据压缩等等，涉猎甚广。更重要的是，Dlib的文档非常完善，例子非常丰富。就像很多库一样，Dlib也提供了Python的接口，安装非常简单，用pip只需要一句即可：

<table> 
 <tbody> 
  <tr> 
   <td> 
    <div>
      1 
    </div> </td> 
   <td> 
    <div> 
     <div> 
      <code>pip install dlib</code> 
     </div> 
    </div> </td> 
  </tr> 
 </tbody> 
</table>

上面需要用到的scikit-image同样只是需要这么一句：

<table> 
 <tbody> 
  <tr> 
   <td> 
    <div>
      1 
    </div> </td> 
   <td> 
    <div> 
     <div> 
      <code>pip install scikit</code> 
      <code>-</code> 
      <code>image</code> 
     </div> 
    </div> </td> 
  </tr> 
 </tbody> 
</table>

注：如果用pip install dlib安装失败的话，那安装起来就比较麻烦了。错误提示很详细，按照错误提示一步步走就行了。

**人脸识别**

之所以用Dlib来实现人脸识别，是因为它已经替我们做好了绝大部分的工作，我们只需要去调用就行了。Dlib里面有人脸检测器，有训练好的人脸关键点检测器，也有训练好的人脸识别模型。今天我们主要目的是实现，而不是深究原理。感兴趣的同学可以到官网查看源码以及实现的参考文献。今天的例子既然代码不超过40行，其实是没啥难度的。有难度的东西都在源码和论文里。

首先先通过文件树看一下今天需要用到的东西：

![866962-20170407001505363-1891921669.jpg][]

准备了六个候选人的图片放在candidate-faces文件夹中，然后需要识别的人脸图片test.jpg。我们的工作就是要检测到test.jpg中的人脸，然后判断她到底是候选人中的谁。另外的girl-face-rec.py是我们的python脚本。shape\_predictor\_68\_face\_landmarks.dat是已经训练好的人脸关键点检测器。dlib\_face\_recognition\_resnet\_model\_v1.dat是训练好的ResNet人脸识别模型。ResNet是何凯明在微软的时候提出的深度残差网络，获得了 ImageNet 2015 冠军，通过让网络对残差进行学习，在深度和精度上做到了比CNN 更加强大。

**1. 前期准备**

shape\_predictor\_68\_face\_landmarks.dat和dlib\_face\_recognition\_resnet\_model\_v1.dat都可以在这里找到。不能点击超链接的可以直接输入以下网址：http://dlib.net/files/。

然后准备几个人的人脸图片作为候选人脸，最好是正脸。放到candidate-faces文件夹中。

本文这里准备的是六张图片，如下：

![Image 1][]

她们分别是

![866962-20170407001611316-252182939.png][]

然后准备四张需要识别的人脸图像，其实一张就够了，这里只是要看看不同的情况：

![866962-20170407001637410-35368844.jpg][]

可以看到前两张和候选文件中的本人看起来还是差别不小的，第三张是候选人中的原图，第四张图片微微侧脸，而且右侧有阴影。

**2.识别流程**

数据准备完毕，接下来就是代码了。识别的大致流程是这样的：

*  先对候选人进行人脸检测、关键点提取、描述子生成后，把候选人描述子保存起来。
 *  然后对测试人脸进行人脸检测、关键点提取、描述子生成。
 *  最后求测试图像人脸描述子和候选人脸描述子之间的欧氏距离，距离最小者判定为同一个人。

**3.代码**

代码不做过多解释，因为已经注释的非常完善了。以下是girl-face-rec.py

<table> 
 <tbody> 
  <tr> 
   <td> 
    <div>
      1 
    </div> 
    <div>
      2 
    </div> 
    <div>
      3 
    </div> 
    <div>
      4 
    </div> 
    <div>
      5 
    </div> 
    <div>
      6 
    </div> 
    <div>
      7 
    </div> 
    <div>
      8 
    </div> 
    <div>
      9 
    </div> 
    <div>
      10 
    </div> 
    <div>
      11 
    </div> 
    <div>
      12 
    </div> 
    <div>
      13 
    </div> 
    <div>
      14 
    </div> 
    <div>
      15 
    </div> 
    <div>
      16 
    </div> 
    <div>
      17 
    </div> 
    <div>
      18 
    </div> 
    <div>
      19 
    </div> 
    <div>
      20 
    </div> 
    <div>
      21 
    </div> 
    <div>
      22 
    </div> 
    <div>
      23 
    </div> 
    <div>
      24 
    </div> 
    <div>
      25 
    </div> 
    <div>
      26 
    </div> 
    <div>
      27 
    </div> 
    <div>
      28 
    </div> 
    <div>
      29 
    </div> 
    <div>
      30 
    </div> 
    <div>
      31 
    </div> 
    <div>
      32 
    </div> 
    <div>
      33 
    </div> 
    <div>
      34 
    </div> 
    <div>
      35 
    </div> 
    <div>
      36 
    </div> 
    <div>
      37 
    </div> 
    <div>
      38 
    </div> 
    <div>
      39 
    </div> 
    <div>
      40 
    </div> 
    <div>
      41 
    </div> 
    <div>
      42 
    </div> 
    <div>
      43 
    </div> 
    <div>
      44 
    </div> 
    <div>
      45 
    </div> 
    <div>
      46 
    </div> 
    <div>
      47 
    </div> 
    <div>
      48 
    </div> 
    <div>
      49 
    </div> 
    <div>
      50 
    </div> 
    <div>
      51 
    </div> 
    <div>
      52 
    </div> 
    <div>
      53 
    </div> 
    <div>
      54 
    </div> 
    <div>
      55 
    </div> 
    <div>
      56 
    </div> 
    <div>
      57 
    </div> 
    <div>
      58 
    </div> 
    <div>
      59 
    </div> 
    <div>
      60 
    </div> 
    <div>
      61 
    </div> 
    <div>
      62 
    </div> 
    <div>
      63 
    </div> 
    <div>
      64 
    </div> 
    <div>
      65 
    </div> 
    <div>
      66 
    </div> 
    <div>
      67 
    </div> </td> 
   <td> 
    <div> 
     <div> 
      <code># -*- coding: UTF-8 -*-</code> 
     </div> 
     <div> 
      <code>import</code>&nbsp; 
      <code>sys,os,dlib,glob,numpy</code> 
     </div> 
     <div> 
      <code>from</code>&nbsp; 
      <code>skimage&nbsp;</code> 
      <code>import</code>&nbsp; 
      <code>io</code> 
     </div> 
     <div> 
      <code>if</code>&nbsp; 
      <code>len</code> 
      <code>(sys.argv) !</code> 
      <code>=</code>&nbsp; 
      <code>5</code> 
      <code>:</code> 
     </div> 
     <div> 
      <code>&nbsp;&nbsp;&nbsp;&nbsp;</code> 
      <code>print</code>&nbsp; 
      <code>"请检查参数是否正确"</code> 
     </div> 
     <div> 
      <code>&nbsp;&nbsp;&nbsp;&nbsp;</code> 
      <code>exit()</code> 
     </div> 
     <div> 
      <code># 1.人脸关键点检测器</code> 
     </div> 
     <div> 
      <code>predictor_path&nbsp;</code> 
      <code>=</code>&nbsp; 
      <code>sys.argv[</code> 
      <code>1</code> 
      <code>]</code> 
     </div> 
     <div> 
      <code># 2.人脸识别模型</code> 
     </div> 
     <div> 
      <code>face_rec_model_path&nbsp;</code> 
      <code>=</code>&nbsp; 
      <code>sys.argv[</code> 
      <code>2</code> 
      <code>]</code> 
     </div> 
     <div> 
      <code># 3.候选人脸文件夹</code> 
     </div> 
     <div> 
      <code>faces_folder_path&nbsp;</code> 
      <code>=</code>&nbsp; 
      <code>sys.argv[</code> 
      <code>3</code> 
      <code>]</code> 
     </div> 
     <div> 
      <code># 4.需识别的人脸</code> 
     </div> 
     <div> 
      <code>img_path&nbsp;</code> 
      <code>=</code>&nbsp; 
      <code>sys.argv[</code> 
      <code>4</code> 
      <code>]</code> 
     </div> 
     <div> 
      <code># 1.加载正脸检测器</code> 
     </div> 
     <div> 
      <code>detector&nbsp;</code> 
      <code>=</code>&nbsp; 
      <code>dlib.get_frontal_face_detector()</code> 
     </div> 
     <div> 
      <code># 2.加载人脸关键点检测器</code> 
     </div> 
     <div> 
      <code>sp&nbsp;</code> 
      <code>=</code>&nbsp; 
      <code>dlib.shape_predictor(predictor_path)</code> 
     </div> 
     <div> 
      <code># 3. 加载人脸识别模型</code> 
     </div> 
     <div> 
      <code>facerec&nbsp;</code> 
      <code>=</code>&nbsp; 
      <code>dlib.face_recognition_model_v1(face_rec_model_path)</code> 
     </div> 
     <div> 
      <code># win = dlib.image_window()</code> 
     </div> 
     <div> 
      <code># 候选人脸描述子list</code> 
     </div> 
     <div> 
      <code>descriptors&nbsp;</code> 
      <code>=</code>&nbsp; 
      <code>[]</code> 
     </div> 
     <div> 
      <code># 对文件夹下的每一个人脸进行:</code> 
     </div> 
     <div> 
      <code># 1.人脸检测</code> 
     </div> 
     <div> 
      <code># 2.关键点检测</code> 
     </div> 
     <div> 
      <code># 3.描述子提取</code> 
     </div> 
     <div> 
      <code>for</code>&nbsp; 
      <code>f&nbsp;</code> 
      <code>in</code>&nbsp; 
      <code>glob.glob(os.path.join(faces_folder_path,&nbsp;</code> 
      <code>"*.jpg"</code> 
      <code>)):</code> 
     </div> 
     <div> 
      <code>&nbsp;&nbsp;&nbsp;&nbsp;</code> 
      <code>print</code> 
      <code>(</code> 
      <code>"Processing file: {}"</code> 
      <code>.</code> 
      <code>format</code> 
      <code>(f))</code> 
     </div> 
     <div> 
      <code>&nbsp;&nbsp;&nbsp;&nbsp;</code> 
      <code>img&nbsp;</code> 
      <code>=</code>&nbsp; 
      <code>io.imread(f)</code> 
     </div> 
     <div> 
      <code>&nbsp;&nbsp;&nbsp;&nbsp;</code> 
      <code>#win.clear_overlay()</code> 
     </div> 
     <div> 
      <code>&nbsp;&nbsp;&nbsp;&nbsp;</code> 
      <code>#win.set_image(img)</code> 
     </div> 
     <div> 
      <code>&nbsp;&nbsp;&nbsp;&nbsp;</code> 
      <code># 1.人脸检测</code> 
     </div> 
     <div> 
      <code>&nbsp;&nbsp;&nbsp;&nbsp;</code> 
      <code>dets&nbsp;</code> 
      <code>=</code>&nbsp; 
      <code>detector(img,&nbsp;</code> 
      <code>1</code> 
      <code>)</code> 
     </div> 
     <div> 
      <code>&nbsp;&nbsp;&nbsp;&nbsp;</code> 
      <code>print</code> 
      <code>(</code> 
      <code>"Number of faces detected: {}"</code> 
      <code>.</code> 
      <code>format</code> 
      <code>(</code> 
      <code>len</code> 
      <code>(dets)))</code> 
     </div> 
     <div> 
      <code>&nbsp;&nbsp;&nbsp;&nbsp;</code> 
      <code>for</code>&nbsp; 
      <code>k, d&nbsp;</code> 
      <code>in</code>&nbsp; 
      <code>enumerate</code> 
      <code>(dets):&nbsp;</code> 
     </div> 
     <div> 
      <code>&nbsp;&nbsp;&nbsp;&nbsp;</code> 
      <code># 2.关键点检测</code> 
     </div> 
     <div> 
      <code>&nbsp;&nbsp;&nbsp;&nbsp;</code> 
      <code>shape&nbsp;</code> 
      <code>=</code>&nbsp; 
      <code>sp(img, d)</code> 
     </div> 
     <div> 
      <code>&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;</code> 
      <code># 画出人脸区域和和关键点</code> 
     </div> 
     <div> 
      <code>&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;</code> 
      <code># win.clear_overlay()</code> 
     </div> 
     <div> 
      <code>&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;</code> 
      <code># win.add_overlay(d)</code> 
     </div> 
     <div> 
      <code>&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;</code> 
      <code># win.add_overlay(shape)</code> 
     </div> 
     <div> 
      <code>&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;</code> 
      <code># 3.描述子提取，128D向量</code> 
     </div> 
     <div> 
      <code>&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;</code> 
      <code>face_descriptor&nbsp;</code> 
      <code>=</code>&nbsp; 
      <code>facerec.compute_face_descriptor(img, shape)</code> 
     </div> 
     <div> 
      <code>&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;</code> 
      <code># 转换为numpy array</code> 
     </div> 
     <div> 
      <code>&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;</code> 
      <code>v&nbsp;</code> 
      <code>=</code>&nbsp; 
      <code>numpy.array(face_descriptor)&nbsp;</code> 
     </div> 
     <div> 
      <code>&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;</code> 
      <code>descriptors.append(v)</code> 
     </div> 
     <div> 
      <code># 对需识别人脸进行同样处理</code> 
     </div> 
     <div> 
      <code># 提取描述子，不再注释</code> 
     </div> 
     <div> 
      <code>img&nbsp;</code> 
      <code>=</code>&nbsp; 
      <code>io.imread(img_path)</code> 
     </div> 
     <div> 
      <code>dets&nbsp;</code> 
      <code>=</code>&nbsp; 
      <code>detector(img,&nbsp;</code> 
      <code>1</code> 
      <code>)</code> 
     </div> 
     <div> 
      <code>dist&nbsp;</code> 
      <code>=</code>&nbsp; 
      <code>[]</code> 
     </div> 
     <div> 
      <code>for</code>&nbsp; 
      <code>k, d&nbsp;</code> 
      <code>in</code>&nbsp; 
      <code>enumerate</code> 
      <code>(dets):</code> 
     </div> 
     <div> 
      <code>shape&nbsp;</code> 
      <code>=</code>&nbsp; 
      <code>sp(img, d)</code> 
     </div> 
     <div> 
      <code>&nbsp;</code> 
      <code>face_descriptor&nbsp;</code> 
      <code>=</code>&nbsp; 
      <code>facerec.compute_face_descriptor(img, shape)</code> 
     </div> 
     <div> 
      <code>&nbsp;</code> 
      <code>d_test&nbsp;</code> 
      <code>=</code>&nbsp; 
      <code>numpy.array(face_descriptor)</code> 
     </div> 
     <div> 
      <code>&nbsp;&nbsp;&nbsp;&nbsp;</code> 
      <code># 计算欧式距离</code> 
     </div> 
     <div> 
      <code>&nbsp;&nbsp;&nbsp;&nbsp;</code> 
      <code>for</code>&nbsp; 
      <code>i&nbsp;</code> 
      <code>in</code>&nbsp; 
      <code>descriptors:</code> 
     </div> 
     <div> 
      <code>&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;</code> 
      <code>dist_&nbsp;</code> 
      <code>=</code>&nbsp; 
      <code>numpy.linalg.norm(i</code> 
      <code>-</code> 
      <code>d_test)</code> 
     </div> 
     <div> 
      <code>&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;</code> 
      <code>dist.append(dist_)</code> 
     </div> 
     <div> 
      <code># 候选人名单</code> 
     </div> 
     <div> 
      <code>candidate&nbsp;</code> 
      <code>=</code>&nbsp; 
      <code>[</code> 
      <code>'Unknown1'</code> 
      <code>,</code> 
      <code>'Unknown2'</code> 
      <code>,</code> 
      <code>'Shishi'</code> 
      <code>,</code> 
      <code>'Unknown4'</code> 
      <code>,</code> 
      <code>'Bingbing'</code> 
      <code>,</code> 
      <code>'Feifei'</code> 
      <code>]</code> 
     </div> 
     <div> 
      <code># 候选人和距离组成一个dict</code> 
     </div> 
     <div> 
      <code>c_d&nbsp;</code> 
      <code>=</code>&nbsp; 
      <code>dict</code> 
      <code>(</code> 
      <code>zip</code> 
      <code>(candidate,dist))</code> 
     </div> 
     <div> 
      <code>cd_sorted&nbsp;</code> 
      <code>=</code>&nbsp; 
      <code>sorted</code> 
      <code>(c_d.iteritems(), key</code> 
      <code>=</code> 
      <code>lambda</code>&nbsp; 
      <code>d:d[</code> 
      <code>1</code> 
      <code>])</code> 
     </div> 
     <div> 
      <code>print</code>&nbsp; 
      <code>"\n The person is: "</code> 
      <code>,cd_sorted[</code> 
      <code>0</code> 
      <code>][</code> 
      <code>0</code> 
      <code>]&nbsp;</code> 
     </div> 
     <div> 
      <code>dlib.hit_enter_to_continue()</code> 
     </div> 
    </div> </td> 
  </tr> 
 </tbody> 
</table>

**4.运行结果**

我们在.py所在的文件夹下打开命令行，运行如下命令

<table> 
 <tbody> 
  <tr> 
   <td> 
    <div>
      1 
    </div> </td> 
   <td> 
    <div> 
     <div> 
      <code>python girl</code> 
      <code>-</code> 
      <code>face</code> 
      <code>-</code> 
      <code>rec.py&nbsp;</code> 
      <code>1.dat</code>&nbsp; 
      <code>2.dat</code>&nbsp; 
      <code>.</code> 
      <code>/</code> 
      <code>candidate</code> 
      <code>-</code> 
      <code>faecs test1.jpg</code> 
     </div> 
    </div> </td> 
  </tr> 
 </tbody> 
</table>

由于shape\_predictor\_68\_face\_landmarks.dat和dlib\_face\_recognition\_resnet\_model\_v1.dat名字实在太长，所以我把它们重命名为1.dat和2.dat。

运行结果如下：

<table> 
 <tbody> 
  <tr> 
   <td> 
    <div>
      1 
    </div> </td> 
   <td> 
    <div> 
     <div> 
      <code>The person&nbsp;</code> 
      <code>is</code>&nbsp; 
      <code>Bingbing。</code> 
     </div> 
    </div> </td> 
  </tr> 
 </tbody> 
</table>

记忆力不好的同学可以翻上去看看test1.jpg是谁的图片。有兴趣的话可以把四张测试图片都运行下试试。

这里需要说明的是，前三张图输出结果都是非常理想的。但是第四张测试图片的输出结果是候选人4。对比一下两张图片可以很容易发现混淆的原因。

机器毕竟不是人，机器的智能还需要人来提升。

转载于:https://www.cnblogs.com/Pond-ZZC/p/6678643.html

[866962-20170407001505363-1891921669.jpg]: /images/20210724/dc585a2da4b54902b29992f509b46a97.png
[Image 1]: 
[866962-20170407001611316-252182939.png]: /images/20210724/d44c4324edbd47ae9da54863eabcd5d7.png
[866962-20170407001637410-35368844.jpg]: /images/20210724/4a3a727c8bcd4fa495c529e5572b2c7a.png