基于DLIB的视频人脸识别对比

环境：python3.6 win10

安装opencv,numpy,dlib

下载人脸关键点检测器 face_landmarks.dat

下载人脸识别、提取特征值 dlib_face_recognition.dat

直接上源码

import os, dlib, glob, numpy
from skimage import io
import cv2
import json

# 人脸关键点检测器
predictor_path = '../resource/dat/shape_predictor_68_face_landmarks.dat'
# 人脸识别、提取特征值
face_rec_model_path = '../resource/dat/dlib_face_recognition.dat'
# 人脸模板库地址
faces_floder_path = '../resource/img/'# 加载模型
detector = dlib.get_frontal_face_detector()
sp = dlib.shape_predictor(predictor_path)
facerer = dlib.face_recognition_model_v1(face_rec_model_path)

candidate = []
descriptors = []
desc_arr = []
desc_val = []
desc_name = []
# 以下方法会在第一次提取了人脸模板库的数据后保存到指定文件中，后面不需要重复计算提取
with open('../resource/file/222.json', 'r') as fp:json_data = json.load(fp)print(json_data)for i in json_data:desc_val.append(i['val'])desc_name.append(i['name'])
if desc_name:descriptors = desc_valcandidate = desc_name
else:for f in glob.glob(os.path.join(faces_floder_path, '*.*')):print('正在处理：{}'.format(f))img = io.imread(f)gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)dets = detector(gray, 1)for k, d in enumerate(dets):shape = sp(img, d)face_descriptor = facerer.compute_face_descriptor(img, shape)v = numpy.array(face_descriptor)# 特征值descriptors.append(v)# 图片名称candidate.append(f.split('\\')[-1].split('.')[0])desc_name_val = {'name': f.split('\\')[-1].split('.')[0], 'val': v.tolist()}desc_arr.append(desc_name_val)#    print(candidate)print(desc_arr)json_str = json.dumps(desc_arr)with open('../resource/file/222.json', 'w') as json_file:json_file.write(json_str)print('识别训练完成')

# 开启摄像头，定义窗口名称
capture = cv2.VideoCapture(0)
cv2.namedWindow('face')
while True:ret, frame = capture.read()gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)faces = detector(gray, 1)dist = []print('发现{0}个人脸'.format(len(faces)))if faces:for (idx, face) in enumerate(faces):shape = sp(frame, face)face_descriptor = facerer.compute_face_descriptor(frame, shape)d_test = numpy.array(face_descriptor)for i in descriptors:  # 计算距离dist_ = numpy.linalg.norm(i - d_test)dist.append(dist_)c_d = dict(zip(candidate, dist))cd_sorted = sorted(c_d.items(), key=lambda d: d[1])pos = (face.left(), face.top()-20)cv2.putText(frame, cd_sorted[0][0], pos, cv2.FONT_HERSHEY_SIMPLEX, 1, (255, 0, 0))cv2.rectangle(frame, (face.left(), face.top()), (face.right(), face.bottom()), (0, 255, 0), 2)print("识别到的人物最有可能是: ", cd_sorted[0][0])cv2.imshow('face', frame)if cv2.waitKey(5) & 0xFF == ord('q'):break

# 释放资源
capture.release()
cv2.destroyAllWindows()

效果图

基于DLIB的视频人脸识别对比相关推荐

调用笔记本的摄像头实现基于opencv的视频人脸识别（中文显示和英文显示）以及 index 480 is out of bounds for axis 0 with size 480错误的解决
@人脸识别代码和一些常见错误基于opencv的视频人脸识别(中文显示)以及 index 480 is out of bounds for axis 0 with size 480错误的解决参考了 ...
基于openCV的视频人脸识别——演员的诞生视频人脸识别
1.准备训练数据网络上下载(训练数据量大时,通过爬虫获取)目标的图片: 运用以下代码将原图中的人脸头像识别.提取.调整大小(这里是150*200),并分别保存. 运行环境:win7 64+VS201 ...
基于深度学习的人脸识别系统系列（Caffe+OpenCV+Dlib）——【六】设计人脸识别的识别类...
前言基于深度学习的人脸识别系统,一共用到了5个开源库:OpenCV(计算机视觉库).Caffe(深度学习库).Dlib(机器学习库).libfacedetection(人脸检测库).cudnn(gp ...
【优秀课设】基于OpenCV的Python人脸识别、检测、框选（遍历目录下所有照片依次识别视频随时标注）
基于OpenCV的Python人脸识别.检测.框选 (遍历目录下所有照片依次识别视频随时标注) 移步: https://blog.csdn.net/weixin_53403301/article/d ...
【人脸识别】基于dlib库实现人脸特征值提取
一.Dlib库介绍与安装 1. Dlib库简介 Dlib库是一个机器学习的开源库,包含了机器学习的很多算法,使用起来很方便,直接包含头文件即可,并且不依赖于其他库(自带图像编解码库源码).Dlib可以 ...
虹软 ArcFace 与 Dlib 人脸识别对比
我司最近要做和人脸识别相关的产品,原来使用的是某在线人脸识别平台,识别率和识别速度很满意,但是随着量起来的话,成本也是越来越不能接受(目前该功能我们是免费给用户使用的),而且一旦我们的设备掉线了就无法 ...
基于Dlib库的人脸表情分析与识别——Python
本项目主要由包含我在内的四名成员共同完成:孙明喆.吴震.张晨.张明项目介绍,及可执行文件.模型文件.详细报告均在GitHub中可以查看: GitHub 关于项目的详细介绍,可能过些日子在复习时候会有 ...
python dlib caffe人脸相似度_基于深度学习的人脸识别系统（Caffe+OpenCV+Dlib）【一】如何配置caffe属性表...
前言基于深度学习的人脸识别系统,一共用到了5个开源库:OpenCV(计算机视觉库).Caffe(深度学习库).Dlib(机器学习库).libfacedetection(人脸检测库).cudnn(gp ...
基于深度学习的人脸识别系统（Caffe+OpenCV+Dlib）【三】VGG网络进行特征提取
前言基于深度学习的人脸识别系统,一共用到了5个开源库:OpenCV(计算机视觉库).Caffe(深度学习库).Dlib(机器学习库).libfacedetection(人脸检测库).cudnn(gp ...

基于DLIB的视频人脸识别对比

基于DLIB的视频人脸识别对比相关推荐

最新文章

热门文章