40行代碼的人臉識別實踐

前言

很多人都認為人臉識別是一項非常難以實現的工作，看到名字就害怕，然後心懷忐忑到網上一搜，看到網上N頁的教程立馬就放棄了。這些人里包括曾經的我自己。其實如果如果你不是非要深究其中的原理，只是要實現這一工作的話，人臉識別也沒那麼難。今天我們就來看看如何在40行代碼以內簡單地實現人臉識別。

一點區分

對於大部分人來說，區分人臉檢測和人臉識別完全不是問題。但是網上有很多教程有意無意地把人臉檢測說成是人臉識別，誤導群眾，造成一些人認為二者是相同的。其實，人臉檢測解決的問題是確定一張圖上有木有人臉，而人臉識別解決的問題是這個臉是誰的。可以說人臉檢測是是人識別的前期工作。

所用工具

Anaconda 2 —— Python 2

Dlib

scikit-image

Dlib

對於今天要用到的主要工具，還是有必要多說幾句的。Dlib是基於現代C++的一個跨平台通用的框架，作者非常勤奮，一直在保持更新。Dlib內容涵蓋機器學習、圖像處理、數值演算法、數據壓縮等等，涉獵甚廣。更重要的是，Dlib的文檔非常完善，例子非常豐富。就像很多庫一樣，Dlib也提供了Python的介面，安裝非常簡單，用pip只需要一句即可：

上面需要用到的同樣只是需要這麼一句：

註：如果用安裝失敗的話，那安裝起來就比較麻煩了。錯誤提示很詳細，按照錯誤提示一步步走就行了。

人臉識別

之所以用 Dlib 來實現人臉識別，是因為它已經替我們做好了絕大部分的工作，我們只需要去調用就行了。Dlib裡面有人臉檢測器，有訓練好的人臉關鍵點檢測器，也有訓練好的人臉識別模型。今天我們主要目的是實現，而不是深究原理。感興趣的同學可以到官網查看源碼以及實現的參考文獻。

今天的例子既然代碼不超過40行，其實是沒啥難度的。有難度的東西都在源碼和論文里。

首先先通過文件樹看一下今天需要用到的東西：

準備了六個候選人的圖片放在文件夾中，然後需要識別的人臉圖片。我們的工作就是要檢測到中的人臉，然後判斷她到底是候選人中的誰。

另外的是我們的python腳本。是已經訓練好的人臉關鍵點檢測器。是訓練好的ResNet人臉識別模型。ResNet是何凱明在微軟的時候提出的深度殘差網路，獲得了 ImageNet 2015 冠軍，通過讓網路對殘差進行學習，在深度和精度上做到了比 CNN 更加強大。

1、前期準備

和都可以在這裡找到。不能點擊超鏈接的可以直接輸入以下網址：http://dlib.net/files/。

然後準備幾個人的人臉圖片作為候選人臉，最好是正臉。放到文件夾中。

本文這裡準備的是六張圖片，如下：

她們分別是

然後準備四張需要識別的人臉圖像，其實一張就夠了，這裡只是要看看不同的情況：

可以看到前兩張和候選文件中的本人看起來還是差別不小的，第三張是候選人中的原圖，第四張圖片微微側臉，而且右側有陰影。

2、識別流程

數據準備完畢，接下來就是代碼了。識別的大致流程是這樣的：

3、代碼

代碼不做過多解釋，因為已經注釋的非常完善了。以下是

4、運行結果

我們在所在的文件夾下打開命令行，運行如下命令

由於和名字實在太長，所以我把它們重命名為和。

運行結果如下：

記憶力不好的同學可以翻上去看看是誰的圖片。有興趣的話可以把四張測試圖片都運行下試試。

這裡需要說明的是，前三張圖輸出結果都是非常理想的。但是第四張測試圖片的輸出結果是候選人4。對比一下兩張圖片可以很容易發現混淆的原因。

機器畢竟不是人，機器的智能還需要人來提升。

有興趣的同學可以繼續深入研究如何提升識別的準確率。比如每個人的候選圖片用多張，然後對比和每個人距離的平均值之類的。全憑自己了。

來源：騰訊雲技術社區 劉瀟龍

編輯：Gemini

股市低迷，這裡風景獨好——股票與股指期貨日內交易訓練營（第七期）

股指期貨及股票日內交易基礎

個股交易策略

板塊聯動的標準策略及兩種典型入場點

如何精選高利潤的刷單

大盤及股指期貨交易策略

下單指法訓練、止損練習……

上課地點：上海

上課時間：6月上中旬

點擊展開全文

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！