基于基于CNN神经网络的人脸识别神经网络的人脸识别
平台环境是基于Python + TensorFlow下的CNN训练,CNN全称卷积神经网络是当前图像处理最常用的方法之一。
首先准备自己的正面照片100张,使用dlib自带的frontal_face_detector作为我们的特征提取器,把100张照片中的人脸按照长
宽64*64提取出来
input_dir = './origin' #100张原始照片
output_dir = './out' #提取人脸的照片
size = 64 # 提取照片大小
#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()
index = 1
for (path, dirnames, filenames) in os.walk(input_dir):
for filename in filenames:
if filename.endswith('.jpg'):
print('Being processed picture %s' % index)
img_path = path+'/'+filename
# 从文件读取图片
img = cv2.imread(img_path)
# 转为灰度图片
gray_img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
# 使用detector进行人脸检测 dets为返回的结果
dets = detector(gray_img, 1)
#使用enumerate 函数遍历序列中的元素以及它们的下标
#下标i即为人脸序号
#left:人脸左边距离图片左边界的距离 ;right:人脸右边距离图片左边界的距离
#top:人脸上边距离图片上边界的距离 ;bottom:人脸下边距离图片上边界的距离
for i, d in enumerate(dets):
x1 = d.top() if d.top() > 0 else 0
y1 = d.bottom() if d.bottom() > 0 else 0
x2 = d.left() if d.left() > 0 else 0
y2 = d.right() if d.right() > 0 else 0
# img[y:y+h,x:x+w] face = img[x1:y1, x2:y2] # 调整图片的尺寸
face = cv2.resize(face, (size, size))
cv2.imshow('image', face)
# 保存图片
cv2.imwrite(output_dir+'/'+str(index)+'.jpg', face)
index += 1
上面代码会把origin中所有照片进行处理,并且重新写入到out中,效果如下