Keras之CNN：基于Keras利用cv2建立训练存储卷积神经网络模型(2+1)并调用摄像头进行实时人脸识别

输出结果

设计思路

核心代码

输出结果

设计思路

核心代码

# -*- coding:utf-8 -*-
import cv2
from train_model import Model
from read_data import read_name_list
from timeit import default_timer as timer  ### to calculate FPSclass Camera_reader(object):def __init__(self):self.model = Model()self.model.load()self.img_size = 128def build_camera(self):face_cascade = cv2.CascadeClassifier('F:\\Program Files\\Python\\Python36\\Lib\\site-packages\\cv2\\data\\haarcascade_frontalface_alt.xml')
#         print(face_cascade) #输出<CascadeClassifier 000002240244CC70>name_list = read_name_list('F:\\File_Python\\Python_example\\face_recognition_name\\After_cut_picture')
#         print(name_list)cameraCapture = cv2.VideoCapture(0)  success, frame = cameraCapture.read()  while success and cv2.waitKey(1) == -1:  success, frame = cameraCapture.read()gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY) faces = face_cascade.detectMultiScale(gray, 1.3, 5) ROI = gray[x:x + w, y:y + h]ROI = cv2.resize(ROI, (self.img_size, self.img_size), interpolation=cv2.INTER_LINEAR) label,prob = self.model.predict(ROI)  if prob >0.7:   show_name = name_list[label]else:show_name = 'Stranger'cv2.putText(frame, show_name, (x, y - 20), cv2.FONT_HERSHEY_SIMPLEX, 1, 255, 2)  frame = cv2.rectangle(frame, (x, y), (x + w, y + h), (255, 0, 0), 2)  cv2.imshow("Camera", frame) cameraCapture.release()  cv2.destroyAllWindows()  def detect_video(self): face_cascade = cv2.CascadeClassifier('F:\\Program Files\\Python\\Python36\\Lib\\site-packages\\cv2\\data\\haarcascade_frontalface_alt.xml')name_list = read_name_list('F:\\File_Python\\Python_example\\face_recognition_name\\After_cut_picture')video = cv2.VideoCapture(video_path)  ### TODO: will video path other than 0 be used?success, frame = video.read() accum_time = 0curr_fps = 0fps = "FPS: ??"  #fps = "FPS: ??"prev_time = timer()while success and cv2.waitKey(1) == -1: success, frame = video.read() gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)faces = face_cascade.detectMultiScale(gray, 1.3, 5)curr_time = timer()exec_time = curr_time - prev_timeprev_time = curr_timeaccum_time = accum_time + exec_timecurr_fps = curr_fps + 1    #1   if accum_time > 1:accum_time = accum_time - 1   #1fps = "FPS: " + str(curr_fps)curr_fps = 0   #0     for (x, y, w, h) in faces:  ROI = gray[x:x + w, y:y + h]ROI = cv2.resize(ROI, (self.img_size, self.img_size), interpolation=cv2.INTER_LINEAR) #cv2.INTER_LINEAR图像尺寸变换的方法，默认的双线性插值label,prob = self.model.predict(ROI) if prob >0.7:    show_name = name_list[label]else:show_name = 'Stranger'cv2.putText(frame, show_name, (x, y - 20), cv2.FONT_HERSHEY_SIMPLEX, 1, 255, 2)  frame = cv2.rectangle(frame, (x, y), (x + w, y + h), (255, 0, 0), 2)  cv2.namedWindow("result", cv2.WINDOW_NORMAL)cv2.imshow("result",frame)if __name__ == '__main__':camera = Camera_reader()camera.build_camera()
#     video_path='F:/File_Python/Python_example/YOLOv3_use_TF/RunMan1.mp4'
#     camera.detect_video()

Keras之CNN：基于Keras利用cv2建立训练存储卷积神经网络模型(2+1)并调用摄像头进行实时人脸识别相关推荐

基于视频的实时人脸识别(含代码)
文章目录介绍思路介绍运行环境介绍模型介绍人脸关键点预测器人脸识别模型效果展示识别过程代码建立本地人脸库人脸识别介绍思路介绍无论是基于视频或者调用摄像头来完成人脸识别,其实是 ...
CV：基于keras利用cv2自带两步检测法对《跑男第六季第五期》之如花片段(或调用摄像头)进行实时性别脸部表情检测
CV:基于keras利用cv2自带两步检测法对<跑男第六季第五期>之如花片段(或调用摄像头)进行实时性别&脸部表情检测目录输出结果设计思路核心代码输出结果设计思路核心 ...
Keras之ML~P：基于Keras中建立的回归预测的神经网络模型(根据200个数据样本预测新的5+1个样本)——回归预测
Keras之ML~P:基于Keras中建立的回归预测的神经网络模型(根据200个数据样本预测新的5+1个样本)--回归预测目录输出结果核心代码输出结果核心代码 # -*- coding: u ...
基于Keras的卷积神经网络模型预测--狗的品种识别
基于Keras的卷积神经网络模型预测–狗的品种识别 from sklearn.datasets import load_files from keras.utils import np_utils i ...
采用keras深度学习框架搭建卷积神经网络模型实现垃圾分类，基于树莓派上进行实时视频流的垃圾识别源代码
一.项目概述简介:该垃圾分类项目主要在于对各种垃圾进行所属归类,本次项目采用keras深度学习框架搭建卷积神经网络模型实现图像分类,最终移植在树莓派上进行实时视频流的垃圾识别. 前期:主要考虑PC端 ...
keras卷积处理rgb输入_CNN卷积神经网络模型搭建
前言前段时间尝试使用深度学习来识别评测过程中的图片,以减少人力成本.目前是在深度学习框架Keras(后端使用TensorFlow)下搭建了一个CNN卷积神经网络模型,下面就如何搭建一个最简单的数字图 ...
实时人脸识别例子-tensorflow2.x keras
系列文章目录人脸检测的例子-Tensorflow2.x keras 人脸识别的例子-Tensorflow2.x Keras 实时人脸识别例子-Tensorflow2.x Keras 这里写目录标题 ...
CV之MobiLenet：基于openpose利用CMU/MobilenetV2算法实现对多人体姿态(2019湖人勒布朗詹姆斯扣篮)实时估计检测
CV之MobiLenet:基于openpose利用CMU/MobilenetV2算法实现对多人体姿态(2019湖人勒布朗詹姆斯扣篮)实时估计检测目录输出结果设计思路核心代码输出结果设计思路 ...
TF之pix2pix：基于TF利用Facades数据集训练pix2pix模型、测试并进行生成过程全记录
TF之pix2pix:基于TF利用Facades数据集训练pix2pix模型.测试并进行生成过程全记录目录 TB监控 1.SCALARS 2.IMAGES 3.GRAPHS 4.DISTRIBUTI ...

Keras之CNN：基于Keras利用cv2建立训练存储卷积神经网络模型(2+1)并调用摄像头进行实时人脸识别

输出结果

设计思路

核心代码

Keras之CNN：基于Keras利用cv2建立训练存储卷积神经网络模型(2+1)并调用摄像头进行实时人脸识别相关推荐

最新文章

热门文章