EduCoder平台：人脸识别系统——Dlib人脸识别

第1关：dlib人脸检测的基本原理

编程要求：

请在右侧编辑器中的BEGIN-END之间编写代码，使用Dlib识别人脸并输出识别结果：

- 计算已知图片所有人脸特征向量；
- 计算待识别图片与已知图片特征向量间的欧氏距离；
- 打印识别结果。

代码如下：

import os
import dlib
import glob
import numpy as np
import cv2predictor_path = 'step1/model/shape_predictor_5_face_landmarks.dat'
face_rec_model_path = 'step1/model/dlib_face_recognition_resnet_model_v1.dat'
known_image_path = 'step1/image/known_image'
test_image_path = "step1/image/test_image"detector = dlib.get_frontal_face_detector()
predictor = dlib.shape_predictor(predictor_path)'''****************BEGIN****************'''
# 加载人脸识别模型
facerec =dlib.face_recognition_model_v1(face_rec_model_path)
'''**************** END ****************'''descriptors = []
names = ["TongDaWei","XiaYu","ZhangYiShan"]# 计算已知图片的特征向量
for f in glob.glob(os.path.join(known_image_path, "*.jpg")):img = dlib.load_rgb_image(f)# 1.人脸检测dets = detector(img, 1)for k, d in enumerate(dets):'''****************BEGIN****************'''# 2.关键点检测shape = predictor(img, d)# 3.特征向量face_descriptor =facerec.compute_face_descriptor(img, shape)# 转换为numpy arrayv =np.array(face_descriptor)descriptors.append(v)'''**************** END ****************'''for f in glob.glob(os.path.join(test_image_path, "*.jpg")):img = dlib.load_rgb_image(f)dets = detector(img, 1)for k, d in enumerate(dets):'''****************BEGIN****************'''shape = predictor(img, d)face_descriptor = facerec.compute_face_descriptor(img, shape)# 当前待识别的图片特征向量为currentcurrent =np.array(face_descriptor)'''**************** END ****************'''# 计算欧式距离，识别人脸tolerance = 0.4current_name = "Unknow"'''****************BEGIN****************'''# 输出识别的结果for i in range(len(descriptors)):distance = np.linalg.norm(descriptors[i]-current)if distance<tolerance:#names用于存放于已知人脸特征向量对应的名字current_name = names[i]breakprint("当前图片识别结果为："+current_name)'''**************** END ****************'''

第2关：绘制人脸识别结果

编程要求：

请在右侧编辑器中的BEGIN-END之间编写代码，使用OpenCV绘制人脸识别结果，并保存图片到指定路径：

绘制人脸区域，边框颜色为(0,0,255),边框粗度为2；
将文字内容放在(d.left(),d.bottom+13)处；
文字内容为识别的结果；
字体为cv2.FONT_HERSHEY_PLAIN；
字体颜色为(255,0,0)；
字体倍数为0.5；
字体厚度为1。

代码如下：

import os
import dlib
import glob
import numpy as np
import cv2predictor_path = 'step1/model/shape_predictor_5_face_landmarks.dat'
face_rec_model_path = 'step1/model/dlib_face_recognition_resnet_model_v1.dat'
known_image_path = 'step1/image/known_image'
test_image_path = "step1/image/test_image"detector = dlib.get_frontal_face_detector()
predictor = dlib.shape_predictor(predictor_path)
facerec = dlib.face_recognition_model_v1(face_rec_model_path)descriptors = []
names = ["TongDaWei","XiaYu","ZhangYiShan"]for f in sorted(glob.glob(os.path.join(known_image_path, "*.jpg"))):img = dlib.load_rgb_image(f)# 1.人脸检测dets = detector(img, 1)for k, d in enumerate(dets):# 2.关键点检测shape = predictor(img, d)# 3.描述子提取，128D向量face_descriptor = facerec.compute_face_descriptor(img, shape)# 转换为numpy arrayv = np.array(face_descriptor)descriptors.append(v)count = 0
for f in sorted(glob.glob(os.path.join(test_image_path, "*.jpg"))):img = dlib.load_rgb_image(f)dets = detector(img, 1)for k, d in enumerate(dets):shape = predictor(img, d)face_descriptor = facerec.compute_face_descriptor(img, shape)# 当前待识别的图片特征向量为currentcurrent = np.array(face_descriptor)# 计算欧式距离，识别人脸tolerance = 0.4current_name = "Unknow"for i in range(len(descriptors)):distance = np.linalg.norm(descriptors[i]-current)if distance<tolerance:#names用于存放于已知人脸特征向量对应的名字current_name = names[i]break'''****************BEGIN****************'''# 绘制人脸区域cv2.rectangle(img,(d.left(), d.top()),(d.right(), d.bottom()),(0,0,255),2)# 在图片上添加文字font = cv2.FONT_HERSHEY_PLAINcv2.putText(img, current_name, (d.left(), d.bottom()+13), font, 0.5, (255,0,0), 1)'''**************** END ****************'''# 保存图片count = count+1cv2.imwrite("step2/image/out/"+str(count)+".jpg",cv2.cvtColor(img,cv2.COLOR_RGB2BGR))

人脸识别系统——Dlib人脸识别相关推荐

人脸识别系统——Dlib人脸检测
EduCoder平台:人脸识别系统--Dlib人脸检测第1关:HOG特征描述方法编程要求: 请在右侧编辑器中的BEGIN-END之间编写代码,完成如下要求: 声明OpenCV中的HOG特征描述方法 ...
人脸识别系统——OpenCV人脸检测
EduCoder:人脸识别系统--OpenCV人脸检测第1关:图片基本操作编程要求: 请在右侧编辑器中的BEGIN-END之间编写代码,完成如下要求: 导入openCV库(cv2): 读取路径 s ...
【EduCoder答案】人脸识别系统——OpenCV人脸检测
简介答案查询的入口网页版其他各类实训答案的目录见这里答案获取的方法简介见这里并不是所有的关卡都有答案,有些只有部分关卡有不要直接复制答案哦人脸识别系统 -- OpenCV人脸检测 > ...
c语言产生式系统动物识别系统,简单动物识别系统的知识表示实验报告
简单动物识别系统的知识表示实验报告一. 实验目的: 1. 2. 理解和掌握产生式知识表示方法. 能够用选定的编程语言实现产生式系统的规则库. 二. 实验内容和要求: 1.以动物识别系统的产生式规则为 ...
车牌识别系统服务器安装,车牌识别系统安装流程及注意事项
原标题:车牌识别系统安装流程及注意事项一套完整的车牌识别系统包含车牌识别一体机.停车场收费显示屏.智能道闸.车牌识别软件等.这些设备的安装是否规范,很大程度上影响着整套车牌识别系统的工作性能. 在车 ...
基于神经网络的花卉识别系统，可以识别10种花的类型：向日葵、月季、玫瑰、仙人掌、牡丹等
基于神经网络的花卉识别系统,可以识别10种花的类型:向日葵.月季.玫瑰.仙人掌.牡丹等,精度可达95. 系统可手动自主选择图片导入识别,识别结果可通过标签形式标注在图片上生成到本地,便于归档和实时验证 ...
Python 基于 opencv 的车牌识别系统, 可以准确识别车牌号
大家好,我是程序员徐师兄,6 年大厂程序员经验,点击关注我简介毕业设计基于Opencv的车牌识别系统车牌搜索识别找出某个车牌号对比识别车牌系统车牌数据库认证系统车牌图文搜索系统车牌数据库 ...
pkr车牌识别系统服务器,车牌识别系统车牌录入的操作步骤
录入车牌是很简单的,车牌识别系统基本都需要配合电脑用,打开录入界面后在车牌信息一栏输入车牌号码就行了.有些车牌识别系统是不用录入车牌前面的汉字的,有些车牌识别系统需要将车牌前面的汉字录入. 非常多商场 ...
基于TensorFlow和mnist数据集的手写数字识别系统，可识别电话号码，识别准确率高，有对比实验，两组模型，可讲解代码
基于TensorFlow和mnist数据集的手写数字识别系统 ,可识别电话号码,识别准确率高,有对比实验,两组模型,可讲解代码

人脸识别系统——Dlib人脸识别

EduCoder平台：人脸识别系统——Dlib人脸识别

第1关：dlib人脸检测的基本原理

第2关：绘制人脸识别结果

人脸识别系统——Dlib人脸识别相关推荐

最新文章

热门文章