人脸识别概述-opencv中文文档

1.人脸识别技术概述

人脸识别技术分为人脸检测和人脸识别两个环节组成。人脸检验负责检测照片中是否有人脸，更重要的是把照片中人脸无关的部分删除，
一般人脸检测可以使用opencv开源库来实现，在人脸检测环节中，主要关注三个指标：

• 检测率：存在人脸并且被检测出的图像在所有存在人脸图像中比例
• 漏检率：存在人脸但没有检测出的图像在所有存在人脸图像中比例
• 误检率：不存在人脸但是检测出存在的图像在所有不存在人脸图像中比例

一般人脸识别环节，其应用场景分为1:1和1:N
1:1为判定两个照片是否是同一人，
1:N，随着人的照片各种各样，N变大误识别率也会升高，识别时间将越来越长，在这里就需要对二个照片设置阈值，通过阈值来判定通过率。
这里的误识别率就是照片A被判定位B的比率。
通过率就是确实是A的概率。

2.人脸识别流程：

2.1 Input image到Detect

输入：原始的人脸图像
输出：人脸位置的边缘框
这步被称为人脸检测，在openface中，使用dlib或者opencv来实现，通常不存在使用深度学习方法。

2.2 Detect到Transform到Crop

输入：原始人脸图像+人脸位置的边缘框
输出：只包含人脸的图像

2.3 Crop到Representation

输入：只包含人脸的图像
输出：向量（又向量表示图像），将人脸图像转化为向量表示

应用到人脸识别判定中

• 可以类似VGG16模型，通过图像输入计算特征生成一个全连接类别概率。
• 也可以是通过对比不同人脸的向量，计算向量之间的距离来反映两个人脸之间的相似度。通过距离可以选择欧几里得距离。

3.在python环境下实现人脸识别

3.1 安装TensorFlow，opencv包

TensorFlow安装：
安装TensorFlow有二种方式一种为CPU安装，一种为GPU安装，这里的意思可以解释为因为做深度学习，TensorFlow电脑的计算量特别大，在不同的处理器下安装TensorFlow的计算速度不同。
在conda环境下安装TensorFlow：
1.运行Anacoda Prompt环境，查询自己的python版本

python --version

2.创建安装TensorFlow环境

conda create --name tensorflow python=3.7.6

3.激活TensorFlow

activate tensorFlow

4.确保tensorflow环境已添加

conda info --envs

5.退出TensorFlow环境

deactivate

6.在conda环境下安装TensorFlow

pip install tensorflow
#由于TensorFlow文件很大网速过慢通常下载会报错
pip._vendor.urllib3.exceptions.ReadTimeoutError: HTTPSConnectionPool(host='pypi.tuna.tsinghua.edu.cn', port=443): Read timed out.

使用命令

pip --default-timeout=1000 install -U tensorFlow
#设置下载默认等待时长

opencv安装：
这里介绍在Anaconda下安装opencv
1.首先找到opencv下载地址：
​​​https://www.lfd.uci.edu/~gohlke/pythonlibs/​​​ 在网页中找到对应自己python版本下whl文件

我的python版本是3.7，因此在下面找到cp37和win_amd64的文件下载
2.通过cmd命令，进入opencv下载的文件目录下，运行以下代码

pip install opencv_python‑4.5.2‑cp37‑cp37m‑win_amd64.whl

opencv中文文档教程

​​open中文文档​​

【转自：美国多ip服务器 http://www.558idc.com/mgzq.html 欢迎留下您的宝贵建议】