欧洲成人网站,日韩高清国产精品,爱搞搞就要搞搞,撸一撸AV,国产精品色国产在线,AV55 | 免费高清AV在线看 ,第四色大香蕉,日本中文字幕中文翻译歌词

點擊上方“小白學(xué)視覺”，選擇加"星標"或“置頂”

重磅干貨，第一時間送達

這是一篇全面的、互動性強的人臉識別初學(xué)指南。接下來，我們將創(chuàng)建一個自定義的人臉識別程序，該程序能夠檢測和識別視頻或?qū)崟r網(wǎng)絡(luò)攝像頭中的人臉。

在一個繁忙的市場中，七月的烈日在頭頂上照耀，炎熱的天氣并沒有阻止顧客的到來，在人群不知情的情況下，一個懷有惡意的人藏在他們中間，他披著一層正常的外衣，去實現(xiàn)他的邪惡目的。

在一個角落里，一個監(jiān)控攝像頭會定期掃描這個區(qū)域，這時它會瞥見這個家伙，它會立刻認出看到的每一張臉，而且碰巧這家伙是一個通緝犯，幾毫秒之內(nèi)，他附近的警察就得到了警報，他們開始著手消除這一威脅。

這個故事曾經(jīng)出現(xiàn)在科幻小說中，但現(xiàn)在的情況大不相同了。事實上，中國使用人工智能監(jiān)控工具來監(jiān)視本國公民來維護民眾的安全，智能手機的創(chuàng)造者也在積極地使用人臉識別來驗證手機用戶的身份。

人臉識別有很多不同的應(yīng)用程序，不管你希望它用于什么目的，在本文中，我將指導(dǎo)你創(chuàng)建一個自定義的人臉識別系統(tǒng)，可以在視頻或網(wǎng)絡(luò)攝像頭中識別你選擇的人臉。

就像你看到的那樣，這就是我們要得到的效果圖。

在本文中，我們將建立一個自定義的人臉識別程序。這篇文章很容易理解，同時也讓你對這個機器學(xué)習(xí)項目的理論知識方面有所啟發(fā)，女可以看目錄來確定重點并瀏覽文章。

專業(yè)提示：如果你想快速完成任務(wù)，請?zhí)^理論部分，直接進入第2部分。

Facenet
i. Facenet是什么？
ii. Facenet是如何工作的？
iii. 三重損失
我們開始構(gòu)建吧！
i. 先決條件
ii. 下載數(shù)據(jù)
iii. 下載Facenet
iv. 對齊
v. 獲得預(yù)先訓(xùn)練的模型
vi. 用我們的數(shù)據(jù)訓(xùn)練模型
vii. 在視頻源上測試我們的模型
缺點
結(jié)論
參考文獻

Facenet

在這個項目中，我們將使用一個名為Facenet的模型來為我們做人臉識別程序。

Facenet是什么？

Facenet是由Florian Schroff、Dmitry Kalenichenko和James Philbin構(gòu)建的模型，他們也為此寫了一篇論文。

它直接從人臉圖像中學(xué)習(xí)圖像到歐式空間上點的映射，其中距離直接對應(yīng)于人臉相似度的度量，一旦創(chuàng)建了這些嵌入，就可以使用這些嵌入作為特征來完成人臉識別和驗證等過程。

Facenet是如何工作的？

Facenet使用卷積層直接從人臉的像素中學(xué)習(xí)。該網(wǎng)絡(luò)在一個大數(shù)據(jù)集上進行訓(xùn)練，以實現(xiàn)對光照、姿態(tài)和其他可變條件的不變性。該系統(tǒng)是在 Labelled Faces in the wild(http://vis-www.cs.umass.edu/lfw/) 數(shù)據(jù)集上訓(xùn)練的，這個數(shù)據(jù)集包含13000多張從網(wǎng)絡(luò)上收集的不同人臉的圖片，每個人臉都有一個名字（標簽）。

Facenet從圖像中創(chuàng)建128維嵌入，并將其插入到特征空間中，這樣，無論成像條件如何，相同身份之間的特征距離要盡可能的小，而不同身份之間的特征距離要盡可能的大。下圖描述了模型的體系結(jié)構(gòu)：

模型結(jié)構(gòu)：模型包含一個批處理輸入層、一個深度學(xué)習(xí)架構(gòu)和一個L2層。

三重損失

該系統(tǒng)采用一種特殊的損失函數(shù)，稱為三重損失。三重損失使同一身份的圖像之間的L2距離最小，使不同特征的人臉圖像之間的L2距離最大。

該系統(tǒng)采用的三重損失，更適合于人臉驗證。使用三重損失的動機是它鼓勵將一個身份的所有圖像投影到嵌入空間中的一個點上。

三重損失：學(xué)習(xí)前后

創(chuàng)作者們設(shè)計了一種高效的三重選擇機制，可以一次巧妙地選擇三幅圖像，這些圖像有以下三種類型：

錨：一個隨機的人的人臉。
正圖：同一個人的另一張人臉。
負圖：另一個人的人臉。

測量了兩個歐幾里德距離：一個是錨和正圖之間的距離，我們稱之為A；另一個是錨和負圖之間的距離，我們稱之為B。訓(xùn)練過程旨在減少A并使B最大化，這樣相似的圖像彼此靠近，不同的圖像在嵌入空間中會隔得很遠。

我們開始構(gòu)建吧！

最精彩的部分開始了！我們可以使用Facenet為我們自己選擇的人臉創(chuàng)建嵌入，然后訓(xùn)練支持向量機(Support Vector Machine)對這些嵌入進行分類，讓我們開始建立一個自定義的人臉識別程序吧!

你可以看看這個項目的Github存儲庫，因為它包含了一個自定義數(shù)據(jù)集和用于在視頻中檢測人臉的腳本。

Github存儲庫

https://github.com/AssiduousArchitect/face-recognition

先決條件

在開始之前，請確保你的系統(tǒng)上安裝了以下庫：

tensorflow==1.7
scipy
scikit-learn
opencv-python
h5py
matplotlib
Pillow
requests
psutil

下載數(shù)據(jù)

在這個項目中，我們將創(chuàng)建一個人臉識別程序，將能夠識別90年代情景喜劇《老友記》的核心人物。如果你想識別一組不同的人臉，那么就用你的圖像來代替，只需確保遵循類似的目錄結(jié)構(gòu)——為要識別的每個身份創(chuàng)建一個文件夾，并將這些文件夾存儲在名為“raw”的文件夾中。

數(shù)據(jù)集目錄：注意每個角色如何擁有自己對應(yīng)的文件夾

在每個文件夾里放上人物的照片，請注意，每張圖片只有一張清晰可見的臉。盡管只需要很少的圖像，我還是為每個角色添加了20個圖像，每個文件夾都有相同數(shù)量的圖片。你可以從這里下載我創(chuàng)建的《老友記》的數(shù)據(jù)集，如下是“Chandler”文件夾的樣子:

下載Facenet

現(xiàn)在已經(jīng)收集來數(shù)據(jù)，接下來下載并提取Facenet repo，將“Dataset”文件夾放入其中。

Facenet repo下載地址

https://github.com/davidsandberg/facenet

對齊

該模型的一個問題是它可能會漏掉一些人臉標志，為了解決這個問題，我們必須將數(shù)據(jù)集中的所有圖像進行對齊，使眼睛和嘴唇在所有圖片中顯示在同一位置。我們將使用M.T.C.N.N.（多任務(wù)C.N.N.）來執(zhí)行相同的操作，并將所有對齊的圖像存儲在名為processed的文件夾中。

打開終端/命令提示符并切換到Facenet目錄，然后運行align_dataset_mtcn.py以及以下參數(shù)。

python src/align_dataset_mtcnn.py \./Dataset/Friends/raw \./Dataset/Friends/processed \--image_size 160 \--margin 32 \--random_order \ --gpu_memory_fraction 0.25

運行此命令將對齊所有圖像并將其存儲在各自的文件夾中，然后將所有內(nèi)容存儲在“processed”文件夾中。下圖將向你介紹對齊的工作原理：

所有圖像都被裁剪并與標準的160x160像素圖像進行對齊。

獲得預(yù)先訓(xùn)練的模型

現(xiàn)在，為了在你自己的圖像上訓(xùn)練模型，你需要下載預(yù)先訓(xùn)練的模型。請從這里下載。

https://drive.google.com/file/d/1EXPBSXwTaqrSC0OhUdXNmKSh9qJUQ55-/view

在Facenet根目錄中創(chuàng)建一個名為“Models”的文件夾，下載完成后，將zip文件的內(nèi)容解壓縮到名為“facenet”的目錄中，并將此文件夾放在“Models”文件夾中。

這個模型是在LFW數(shù)據(jù)集上訓(xùn)練的，因此所有的人臉嵌入都存儲在這些文件中，這使我們有機會凍結(jié)圖像，并在我們自己的圖像上訓(xùn)練它，這樣做會將我們提供的所有人臉嵌入到維度空間中。

用我們的數(shù)據(jù)訓(xùn)練模型

我們都準備好了！我們有一個預(yù)先訓(xùn)練好的模型，我們的自定義數(shù)據(jù)集已經(jīng)對齊并準備好了，現(xiàn)在，是時候訓(xùn)練模型了！

python src/classifier.py TRAIN \./Dataset/Friends/processed \./Models/facenet/20180402-114759.pb \./Models/Friends/Friends.pkl \--batch_size 1000

執(zhí)行上述命令將加載預(yù)先訓(xùn)練的模型并啟動訓(xùn)練過程，訓(xùn)練結(jié)束后，新圖像的嵌入將導(dǎo)出到/Models/Friends/中。

由于我們使用的是預(yù)先訓(xùn)練的模型和相對較少的圖像數(shù)量，因此訓(xùn)練過程很快就結(jié)束了。

在視頻源上測試我們的模型

為了測試我們的模型，我使用的是來自《老友記》的視頻，你也可以用自己的視頻來代替，甚至可以用攝像頭。在本節(jié)中，我們將編寫腳本，以便于在視頻源中進行人臉識別。

切換到“src”文件夾并創(chuàng)建一個新的python腳本，我給它起名為 faceRec.py。

接下來，我們導(dǎo)入所有必需的庫。

此腳本只接受一個參數(shù)，即視頻文件的路徑，如果沒有提到路徑，那么我們將通過網(wǎng)絡(luò)攝像頭傳輸視頻，此時參數(shù)的默認值為0。

我們將初始化一些變量，請確保根據(jù)文件夾結(jié)構(gòu)更改路徑。

加載自定義分類器。

設(shè)置Tensorflow圖，然后加載Facenet模型，使用GPU可以加快檢測和識別過程。

設(shè)置輸入和輸出張量。

pnet、rnet和onet是M.T.C.N.N.的組成部分，將用于檢測和對齊人臉。

接下來，我們將創(chuàng)建一個集合和一個來跟蹤檢測到的每個角色的集合。

設(shè)置視頻捕獲對象。

因此，如果在運行程序時未將VIDEO_PATH作為參數(shù)傳遞，則它將假定默認值為0，如果發(fā)生這種情況，視頻捕獲對象將從網(wǎng)絡(luò)攝像機流式傳輸視頻。

然后逐幀捕獲視頻，并且由檢測人臉模塊在這些幀中檢測人臉，找到的人臉數(shù)存儲在faces\u found變量中。

如果找到人臉，那么我們將迭代每個人臉并將邊界框的坐標保存在變量中。

然后提取、裁剪、縮放、重塑這些人臉并輸入字典。

我們將使用該模型來預(yù)測人臉的身份。我們提取最佳類的概率或置信度，這是用來衡量我們的模型是如何確定預(yù)測的身份屬于給定的臉。

最后，我們將在人臉周圍畫一個邊界框，并在邊界框旁邊寫下預(yù)測的身份和置信度，如果置信度低于某個閾值，我們將把名字填為未知。

一定要放一個except語句，這將確保成功忽略拋出的任何錯誤，確保放置except語句，這樣做有助于我們忽略錯誤。

except: pass

顯示視頻并在過程結(jié)束后關(guān)閉視頻顯示窗口，因為每一幀都要經(jīng)過大量的處理，所以視頻回放可能會很慢。

恭喜你，你的耐心得到了回報！我們已經(jīng)完成了腳本，準備好了！快速啟動并執(zhí)行以下命令以啟動人臉識別程序，請確保將要測試的視頻的路徑作為參數(shù)傳遞，或?qū)⑵淞艨找詮木W(wǎng)絡(luò)攝像機流式傳輸視頻。

python src/faceRec.py --path ./Dataset/Friends/friends.mp

但是這個系統(tǒng)還不完善，還有一些缺點。

缺點

系統(tǒng)總是試圖將每個人臉都匹配到一個給定的身份中。如果屏幕上出現(xiàn)新人臉，系統(tǒng)將為其分配一個或另一個身份，這個問題可以通過仔細選擇一個閾值來解決。
身份的混淆。在上面的gif中，你可以觀察到Joey和Chandler之間的預(yù)測有時是波動的，而且置信度得分也很低。需要使用更多圖像訓(xùn)練模型來解決此問題。
無法在一定距離識別人臉（如果距離很遠使得人臉看起來很小）。

結(jié)論

無論是判斷你的員工是否出席或在野外尋找違法者，人臉識別技術(shù)可以證明是一個真正的保障。這個項目包括創(chuàng)建一個人臉識別程序，可以識別你選擇的人臉。你創(chuàng)建了一個自定義數(shù)據(jù)集，訓(xùn)練了模型，并編寫了腳本以在視頻剪輯上運行人臉識別系統(tǒng)，然而，也有一些缺點，但我們的系統(tǒng)功能還是比較完整的。

參考文獻

https://arxiv.org/abs/1503.03832

原文鏈接：https://towardsdatascience.com/s01e01-3eb397d458d

下載1：OpenCV-Contrib擴展模塊中文版教程

在「小白學(xué)視覺」公眾號后臺回復(fù)：擴展模塊中文教程，即可下載全網(wǎng)第一份OpenCV擴展模塊教程中文版，涵蓋擴展模塊安裝、SFM算法、立體視覺、目標跟蹤、生物視覺、超分辨率處理等二十多章內(nèi)容。

下載2：Python視覺實戰(zhàn)項目52講

在「小白學(xué)視覺」公眾號后臺回復(fù)：Python視覺實戰(zhàn)項目，即可下載包括圖像分割、口罩檢測、車道線檢測、車輛計數(shù)、添加眼線、車牌識別、字符識別、情緒檢測、文本內(nèi)容提取、面部識別等31個視覺實戰(zhàn)項目，助力快速學(xué)校計算機視覺。

下載3：OpenCV實戰(zhàn)項目20講

在「小白學(xué)視覺」公眾號后臺回復(fù)：OpenCV實戰(zhàn)項目20講，即可下載含有20個基于OpenCV實現(xiàn)20個實戰(zhàn)項目，實現(xiàn)OpenCV學(xué)習(xí)進階。

交流群

歡迎加入公眾號讀者群一起和同行交流，目前有SLAM、三維視覺、傳感器、自動駕駛、計算攝影、檢測、分割、識別、醫(yī)學(xué)影像、GAN、算法競賽等微信群（以后會逐漸細分），請掃描下面微信號加群，備注：”昵稱+學(xué)校/公司+研究方向“，例如：”張三 + 上海交大 + 視覺SLAM“。請按照格式備注，否則不予通過。添加成功后會根據(jù)研究方向邀請進入相關(guān)微信群。請勿在群內(nèi)發(fā)送廣告，否則會請出群，謝謝理解~

創(chuàng)建自己的人臉識別系統(tǒng)