人脸检测

2018-11-28 本文已影响0人夜尽天明时

写在前面

态度决定高度！让优秀成为一种习惯！
世界上没有什么事儿是加一次班解决不了的，如果有，就加两次！（- - -茂强）

人脸识别一般步骤

人脸检测
人脸特征提取
人脸识别
本文主要介绍人脸检测

人脸检测

人脸检测就是从一张图片中检测出人脸的过程
这里主要看两种检测方式，一种是dlib一种是 mtcnn
文本对于其原理不再赘述，想了解原理的可以参考原论文，如果有时间，后边会专门介绍原理

dlib

dlib是c++开发开源的的机器学习库
废话不多说，直接看下效果

face_detect

import dlib
import cv2
# 初始化dlib人脸检测器
detector = dlib.get_frontal_face_detector()
#2.使用官方提供的模型构建特征提取器
predictor = dlib.shape_predictor("/Users/songyaheng/Downloads/shape_predictor_68_face_landmarks.dat")
img = cv2.imread("/Users/songyaheng/Downloads/faces.JPG")
faces = detector(img,1)
for k,d in enumerate(faces):
    cv2.rectangle(img,(d.left(),d.top()),(d.right(),d.bottom()),(0,255,0),3)
cv2.imshow("capture", img)
cv2.imwrite("/Users/songyaheng/Downloads/faces2.JPG", img)
cv2.waitKey(0)

mtcnn

face_detect

import tensorflow as tf
import align.detect_face as detect_face
import cv2
gpu_memory_fraction=0.0
with tf.Graph().as_default():
    gpu_options = tf.GPUOptions(per_process_gpu_memory_fraction=gpu_memory_fraction)
    sess = tf.Session(config=tf.ConfigProto(gpu_options=gpu_options, log_device_placement=False))
    with sess.as_default():
        pnet, rnet, onet = detect_face.create_mtcnn(sess, None)
#face detection parameters
minsize = 20 # minimum size of face
threshold = [ 0.6, 0.7, 0.7 ]  # three steps's threshold
factor = 0.709 # scale factor
img = cv2.imread("/Users/songyaheng/Downloads/faces.JPG")
bounding_boxes, _ = detect_face.detect_face(img, minsize, pnet, rnet, onet, threshold, factor)
for face_position in bounding_boxes:
    face_position=face_position.astype(int)
    cv2.rectangle(img, (face_position[0],
                          face_position[1]),
                  (face_position[2], face_position[3]),
                  (0, 255, 0), 2)
cv2.imwrite("/Users/songyaheng/Downloads/faces3.JPG", img)
cv2.waitKey(0)

另一组对比

原图（图片来自百度图片）

这次我们从明暗程度对比

检测对比

利用mtcnn是一个都没能识别出来，所以对于一些背光的照片来说，还是利用dlib相对来说比较好一点
那么问题来了，在人脸识别中，不同明暗程度的人脸即使是一个人，所提取的人脸特征向量也是相差很大的，所以要想提高人脸识别的精准度，对于人脸图片的曝光度归一化还是相当重要的，我们如何归一化这种背光度较高的脸呢？
我们可以先通过dlib把人脸提取出来，然后通过算法改变这个图片的像素值，然后把人脸变亮，这样我们就可以拿到归一化的人脸了，所以难点就放在了我们如何把不同曝光度的人脸归一化到相对统一的人脸曝光度上呢？如下图