积分商城

最新搜索： STM32H743VGT6开发板 Realtek 8811CU Wireless LAN UltraEdit LABVIEW 连接仪器仪表 软件下载 UG
您现在的位置是：首页 > 技术资料 > 基于Python库的人脸识别方法研究
推荐星级：
  • 1
  • 2
  • 3
  • 4
  • 5

基于Python库的人脸识别方法研究

更新时间：2019-12-22 18:11:43 大小：2M 上传用户：songhuahua查看TA发布的资源 标签：python人脸识别 下载积分：1分 评价赚积分 （如何评价?） 打赏 收藏 评论(0) 举报

资料介绍

人脸识别技术经过几十年的収展,已成为计算机视觉领域的一个研究热点。随着人脸识别算法的趋于成熟,人脸识别技术已经在公安、支付、身仹验证、美颜相机等领域得到了非常广泛的应用。本文利用Python语言的第三斱库,通过机器深度学习实现人脸识别,该斱法其有编程简協、易于实现、准确率高等优势。兲键词:人脸识别;Python语言;dlib库


部分文件列表

文件名 大小
基于Python库的人脸识别方法研究.pdf 2M

【关注B站账户领20积分】

部分页面预览

（完整内容请下载后查看）
安全模型、算法与编程  
基于 Python 库的人脸识别方法研究  
◆梁 晶 史记征  
（重庆安全技术职业学院 重庆 404020）  
摘要：人脸识别技术经过几十年的发展，已成为计算机视觉领域的一个研究热点。随着人脸识别算法的趋于成熟，人脸识别技术已经  
在公安、支付、身份验证、美颜相机等领域得到了非常广泛的应用。本文利用 Python 语言的第三方库，通过机器深度学习实现人脸识  
别，该方法具有编程简单、易于实现、准确率高等优势。  
关键词：人脸识别；Python 语言；dlib 库  
Python 的内置命令，pip 需要通过命令行执行。dlib 库的安装命  
令是：pip install dlib。  
0 引言  
人脸是一个人在社会交往中最重要的特征，是确定一个人身  
份的最重要的方法，研究人脸识别具有重要的理论价值和应用价  
值。人脸识别是通过生物特征对人的身份进行辨认，是计算机视  
觉领域的一个研究方向。人脸识别研究起源于 20 世纪 60 年代，  
由 Bledsoe 和 Chen 最先提出。  
3.2 所需文件介绍  
本研究共涉及 4 种不同类型的文件：人脸关键点检测器文件  
1.dat，人脸识别模型文件 2.dat；候选人脸文件 girl1.jpg、girl2.jpg、  
girl3.jpg、girl4.jpg、girl5.jpg、girl6.jpg；需要识别的人脸图像文  
件 test1.jpg、test2.jpg、test3.jpg、test4.jpg；Python 脚本文件  
girl-face-rec.py。1.dat、2.dat 可以从 下载获得；  
模型数据文件是用来估计人脸上 68 个特征点(x, y)的坐标位置，  
这 68 个坐标点的位置如图 2 所示；候选人脸文件如图 3 所示；  
需要识别的人脸图像文件如图 4 所示。  
1 人脸识别过程  
通过对一个人面部的观察可以获得很多信息，比如：性别、  
心情、年龄、健康状况等。人脸检测是一个特别复杂的过程，根  
据所选检测系统的不同，使用到的检测算法、原理以及编程语言  
等也会相对应的不相同，但归纳起来大致都可以分为以下几个流  
程：  
（1）人脸检测：这个流程主要完成的工作是从所给图像信  
息中检测出人脸，同时将关键点的位置范围进行反馈。  
（2）人脸规范化：由于人脸在不同的图像像素和光照强度  
等问题下显像程度是不一样的，所以需要在上一步的基础上对此  
进行校正。  
（3）人脸特征提取：完成校正后，对识别到的较清晰的人  
脸进行特征提取。  
（4）人脸识别：这一步是人脸检测的最后一步，就是把前  
面提取出来的人脸特征与数据库中已有的人脸特征进行匹配，进  
行人脸识别。具体识别过程如图 1 所示。  
本文所使用的 Python 第三方库 dlib 是基于深度学习进行人  
脸识别的。  
图 2 人脸特征坐标  
图 1 人脸识别过程  
2 dlib 库介绍  
图 3 候选人脸图像  
dlib 库一个机器学习的开源库，解决包含机器学习算法以及  
开发复杂软件的现实问题，它被广泛应用在工业和学术研究领域，  
包括机器人、嵌入式设备、移动手机以及大规模高性能计算环境  
中。它的主要特点有：文档说明全、代码质量高，包含机器学习  
算法、科学计算算法、图模型推理算法、图像处理、网络编程、  
图形用户接口、数据压缩与整合算法等。  
图 4 待识别的人脸图像  
从图 4 可以看出：test1.jpg、test2.jpg 和候选文件中的本人看  
起来有很大差别，test3.jpg 是候选人中的原图，test4.jpg 中的女  
孩微微侧脸，并且左脸有明显黑色阴影。  
3.3 识别流程  
3 利用 dlib 库实现人脸识别  
3.1 dlib 库安装  
Python 第三方库最常用的安装方式是通过 pip 命令。作为  
‖46‖  
安全模型、算法与编程  
基于以上分析和处理，人脸识别的相关数据已经准备完成，  
那么就可以通过编写程序完成人脸识别了。其中人脸识别的大致  
流程如下：  
for i in descriptors:  
dist_=numpy.linalg.norm(i-d_test)  
dist.append(dist_)  
（1）在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。  
（2）然后对测试人脸进行人脸检测、关键点提取、描述子  
生成。  
（3）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。  
3.4 Python 脚本代码  
candidate=  
[‘Unknown1’, ‘Unknown2’, ‘Shishi’, ‘Unknown4’  
‘Bingbing’, ‘Feifei’]  
c_d=dict(zip(candidate,dist))  
cd_sorted=sorted(c_d.iteritems(),  
key=lambda d:d [1])print”\n The person is:  
“, cd_sorted[0][0]  
#文件名: girl-face-rec py  
dlib.hit_enter_to_continue()  
#-*-coding:UHF-8-*-  
import sys, os, dlib, glob, umpyfrom skimage  
import io  
4 运行结果分析  
分别运行如下命令：  
if len(sys. argv)!=5:  
（1）python girl-face-rec.py 1.dat  
print"请检查参数是否正确”  
exit()  
2.dat./candidate-faces testl.jpg  
（2）python girl-face-rec.py 1.dat  
predictor_path=sys.argv[1]  
2.dat./candidate-faces test2.jpg  
face_rec_model_path=sys. argv[2]  
faces_folder_path=sys. argv[3]  
img_path=sys. argv[4]  
（3）python girl-face-rec.py 1.dat  
2.dat./candidate-faces test3.jpg  
（4）python girl-face-rec.py 1.dat  
detector= dlib.get_frontal_face detector()  
sp =dlib_shape_predictor(predictor_path)  
facerec=  
dlib face_recognition_model_vl(face_rec_mo  
del_path)  
2.dat./candidate-faces test4.jpg  
通过运行结果可知：test1.jpg、test2.jpg、test3.jpg 测试结果  
完全正确。但是测试图片 test4.jpg 的输出结果显示是候选人  
girl4.jpg，识别存在一定的错误率。  
5 结语  
descriptors=[]  
for f in  
glob glob(os path. join(faces_folder_path,  
“*.jpg”)):  
利用 Python 的 dlib 库可以实现人脸识别功能，编程简单、  
准确度高。但由于每个人脸有 68 个特征值，假如已知人脸图片  
过多，特征值库将较大，欧式距离的计算将消耗较长时间，所以  
需要引入并行计算技术，以提高人脸识别效率。  
print(“Processing file:{}”.format(f))  
img=io.imread(f)  
dets=detector(img,1)  
print(“Number of faces detected:  
{}”.format(len(dets)))  
参考文献：  
[1]聂晶. Python 在大数据挖掘和分析中的应用优势[J].广  
西民族大学学报, 2018, 24 (1) : 76-79.  
for k, d in enumerate(dets):  
shape=sp(img,d)  
face descriptor=  
[2]严婷,欣秀,赵嘉豪,等.基于 Python 的可视化数据分析  
平台设计与实现[J].计算机时代, 2017,(12) : 54-56.  
[3]邹国锋,傅桂霞,李海涛,高明亮,王科俊.多姿态人脸识别  
综述[J].模式识别与人工智能, 2015,28(07):613-625.  
[4]胡敏,程天梅,王晓华.融合全局和局部特征的人脸识别  
[J].电子测量与仪器学报, 2013,27(09):817.  
[5]Mark Summerfield 著.王弘博,孙传庆译.Python3 程序开  
发指南（第 2 版）[M].人民邮电出版社, 2015:427-444.  
基金项目：2018 年重庆市高等职业教育双基地建设重庆  
安全技术职业学院“大数据与物联网融合实训基地”项目支持。  
facerec.compute_face_descriptor(img, shape)  
v=numpy.array(face_descriptor)  
descriptors.append(v)  
img=io.imread(img_path)  
dets=detector(img, 1)  
dist=[]for k,d in enumerate(dets):  
shape=sp(img, d)  
face_descriptor=  
facerec.compute_face_descriptor(img, shape)  
d_test=numpy.array(face_descriptor)  
基于机载机器视觉的无人机自主目标跟踪研究  
◆常 川 1 刘科成 2  
（1.武汉大学遥感信息工程学院 湖北 430072；2.上海交通大学电子信息与电气工程学院 上海 200052）  
摘要：目标跟踪在军事、民用等多个领域得到了广泛的应用，通过无人机进行实时的目标跟踪是近几年研究的热点。文章研究了四旋  
翼无人机对地面动态目标实时的检测与跟踪问题，设计实现了基于机载计算机的无人机跟踪系统，使得无人机能够实时处理摄像头获  
取到的视频数据，并结合 YOLO（You Only Look Once）目标检测算法和核相关滤波（Kernerlized Correlation Filter, KCF）目标跟踪算  
法，实现了快速稳定的目标跟踪。最后在室外环境中对行人进行了跟踪实验，验证了无人机目标跟踪系统的有效性。  
关键词：无人机；YOLO 目标检测算法；KCF 目标跟踪算法；机器视觉  
‖47‖  

相关下载

全部评论(0)

暂无评论
评论赚积分>>

上传资源 上传优质资源有赏金

热门标签

更多>>

最新上传

  • 打赏
  • 30日榜单

热门下载

资料专题

推荐下载

本站上的所有资源均为源于网上收集或者由用户自行上传，仅供学习和研究使用，无任何商业目的，版权归原作如有侵权，请 来信指出，本站将立即改正。

ICP许可证号：京ICP证070360号     21IC电子网 2000- 版权所有

京ICP备11013301号

京公网安备 11010802024343号