本文主要是介绍Dlib和Opencv编程建立人脸识别数据集,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!
目录
- 一、采集人脸图片
- 1. Dlib库简介
- 2. OpenCV简介
- 3.代码实现
- 二、采集对应的68个特征点数组
- 代码实现
- 三、实现人脸识别
- 代码
- 人脸识别测试
- 总结
一、采集人脸图片
1. Dlib库简介
- Dlib库是一个机器学习的开源库,包含了机器学习的很多算法,使用起来很方便,直接包含头文件即可,并且不依赖于其他库(自带图像编解码库源码)。Dlib可以帮助创建很多复杂的机器学习方面的软件来帮助解决实际问题。目前Dlib已经被广泛的用在行业和学术领域,包括机器人,嵌入式设备,移动电话和大型高性能计算环境。
- 基于dlib库对人脸特征进行提取,在视频流中抓取人脸特征、并保存为64x64大小的图片文件。注意的是:因为我们后面会对人脸数据集进行训练识别,因此,这一步非常重要
2. OpenCV简介
- OpenCV是一个基于BSD许可(开源)发行的跨平台计算机视觉和机器学习软件库,可以运行在Linux、Windows、Android和Mac OS操作系统上。它轻量级而且高效——由一系列 C 函数和少量 C++ 类构成,同时提供了Python、Ruby、MATLAB等语言的接口,实现了图像处理和计算机视觉方面的很多通用算法。
3.代码实现
import cv2
import dlib
import os
import sys
import random
# 存储位置
output_dir = 'D:/Myworkspace/JupyterNotebook/People/person/person2'
size = 64if not os.path.exists(output_dir):os.makedirs(output_dir)
# 改变图片的亮度与对比度def relight(img, light=1, bias=0):w = img.shape[1]h = img.shape[0]#image = []for i in range(0,w):for j in range(0,h):for c in range(3):tmp = int(img[j,i,c]*light + bias)if tmp > 255:tmp = 255elif tmp < 0:tmp = 0img[j,i,c] = tmpreturn img#使用dlib自带的frontal_face_detector作为我们的特征提取器
detector = dlib.get_frontal_face_detector()
# 打开摄像头 参数为输入流,可以为摄像头或视频文件
camera = cv2.VideoCapture(0)
index = 1
while True:if (index <= 20):#存储15张人脸特征图像print('Being processed picture %s' % index)# 从摄像头读取照片success, img = camera.read()# 转为灰度图片gray_img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)# 使用detector进行人脸检测dets = detector(gray_img, 1)for i, d in enumerate(dets):x1 = d.top() if d.top() > 0 else 0y1 = d.bottom() if d.bottom() > 0 else 0x2 = d.left() if d.left() > 0 else 0y2 = d.right() if d.right() > 0 else 0face = img[x1:y1,x2:y2]# 调整图片的对比度与亮度, 对比度与亮度值都取随机数,这样能增加样本的多样性face = relight(face, random.uniform(0.5, 1.5), random.randint(-50, 50))face = cv2.resize(face, (size,size))cv2.imshow('image', face)cv2.imwrite(output_dir+'/'+str(index)+'.jpg', face)index += 1key = cv2.waitKey(30) & 0xffif key == 27:breakelse:print('Finished!')# 释放摄像头 release cameracamera.release()# 删除建立的窗口 delete all the windowscv2.destroyAllWindows()break
- 采集的照片位于person1文件夹中
二、采集对应的68个特征点数组
- 采集人脸68个特征数组需要导入
shape_predictor_68_face_landmarks.dat
Dlib人脸检测器,同时也要导入Dlib 人脸识别模型dlib_face_recognition_resnet_model_v1.dat
然后将特征数组存入csv文件中供人脸识别使用。
代码实现
from cv2 <
这篇关于Dlib和Opencv编程建立人脸识别数据集的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!