打印

使用提取的人脸做人脸识别

[复制链接]
246|1
跳转到指定楼层
楼主


  1. """Validate a face recognizer on the "Labeled Faces in the Wild" dataset (http://vis-www.cs.umass.edu/lfw/).
  2. Embeddings are calculated using the pairs from http://vis-www.cs.umass.edu/lfw/pairs.txt and the ROC curve
  3. is calculated and plotted. Both the model metagraph and the model parameters need to exist
  4. in the same directory, and the metagraph should have the extension '.meta'.
  5. """
  6. # MIT License
  7. #
  8. # Copyright (c) 2016 David Sandberg
  9. #
  10. # Permission is hereby granted, free of charge, to any person obtaining a copy
  11. # of this software and associated documentation files (the "Software"), to deal
  12. # in the Software without restriction, including without limitation the rights
  13. # to use, copy, modify, merge, publish, distribute, sublicense, and/or sell
  14. # copies of the Software, and to permit persons to whom the Software is
  15. # furnished to do so, subject to the following conditions:
  16. #
  17. # The above copyright notice and this permission notice shall be included in all
  18. # copies or substantial portions of the Software.
  19. #
  20. # THE SOFTWARE IS PROVIDED "AS IS", WITHOUT WARRANTY OF ANY KIND, EXPRESS OR
  21. # IMPLIED, INCLUDING BUT NOT LIMITED TO THE WARRANTIES OF MERCHANTABILITY,
  22. # FITNESS FOR A PARTICULAR PURPOSE AND NONINFRINGEMENT. IN NO EVENT SHALL THE
  23. # AUTHORS OR COPYRIGHT HOLDERS BE LIABLE FOR ANY CLAIM, DAMAGES OR OTHER
  24. # LIABILITY, WHETHER IN AN ACTION OF CONTRACT, TORT OR OTHERWISE, ARISING FROM,
  25. # OUT OF OR IN CONNECTION WITH THE SOFTWARE OR THE USE OR OTHER DEALINGS IN THE
  26. # SOFTWARE.

  27. from __future__ import absolute_import
  28. from __future__ import division
  29. from __future__ import print_function

  30. import tensorflow as tf
  31. import numpy as np
  32. import argparse
  33. import facenet
  34. import lfw
  35. import os
  36. import cv2
  37. import sys
  38. from tensorflow.python.ops import data_flow_ops
  39. from sklearn import metrics
  40. from scipy.optimize import brentq
  41. from scipy import interpolate
  42. import scipy.misc
  43. from multiprocessing import Process, Queue
  44. import glob
  45. import time
  46. import dlib


  47. image_extension = ".png"

  48. model = "/root/src/facenet/src/models/20180402-114759"
  49. videoName = "rtsp://admin:ABC_123456@172.17.208.150:554/Streaming/Channels/101?transportmode=unicast"
  50. window_name = "人脸识别"
  51. compare_dir = "/root/src/test/facenet/contributed/images/images_data_160"
  52. #compare_dir = "/root/src/data"

  53. detector = dlib.get_frontal_face_detector()


  54. src_path,_ = os.path.split(os.path.realpath(__file__))
  55. print(src_path)
  56. temporary_dir = os.path.join(src_path,"data")
  57. print(temporary_dir)

  58. InfoQueue = Queue()
  59. MessageQueue = Queue()
  60. FrameQueue = Queue()


  61. def main():
  62.     processes = []

  63.     p = Process(target=PersonCompare, args=(InfoQueue,MessageQueue,))
  64.     p.start()
  65.     processes.append(p)

  66.     p = Process(target=FaceDectection, args=(FrameQueue,InfoQueue,MessageQueue,))
  67.     p.start()
  68.     processes.append(p)

  69.     process_flag = False
  70.     cv2.namedWindow(window_name)

  71.     #视频来源,可以来自一段已存好的视频,也可以直接来自USB摄像头
  72.     cap = cv2.VideoCapture(videoName)      
  73.     n = 1
  74.     while cap.isOpened():
  75.         ok, frame = cap.read() #读取一帧数据
  76.         if not ok:            
  77.             break                    

  78.         #显示图像并等待10毫秒按键输入,输入‘q’退出程序
  79.         cv2.namedWindow(window_name, cv2.WINDOW_NORMAL) #cv2.WND_PROP_FULLSCREEN)
  80.         #cv2.moveWindow(window_name, screen.x - 1, screen.y - 1)
  81.         cv2.setWindowProperty(window_name, cv2.WND_PROP_FULLSCREEN,
  82.                           cv2.WINDOW_FULLSCREEN)
  83.         n = n + 1
  84.         if n == 50:
  85.             if process_flag == True:
  86.                 FrameQueue.put(frame)
  87.             n = 1
  88.             
  89.         else:
  90.             frameresize = cv2.resize(frame,(1280,800))
  91.             cv2.imshow(window_name, frameresize)

  92.         c = cv2.waitKey(10)
  93.         if c & 0xFF == ord('q'):
  94.             MessageQueue.put("complate_msg")
  95.             MessageQueue.put("complate_msg")
  96.             break        
  97.         if c & 0xFF == ord('r'):
  98.             process_flag = True

  99.         if c & 0xFF == ord('s'):
  100.             process_flag = False



  101.     #释放摄像头并销毁所有窗口
  102.     cap.release()
  103.     cv2.destroyAllWindows()

  104.     for p in processes:
  105.         p.join()
  106.    


  107. add = 0
  108. def FaceDectection(frame_q,info_q,msg_q):
  109.     index = 0
  110.     num = 0

  111.     if  not os.path.exists(temporary_dir):
  112.         os.makedirs(temporary_dir)
  113.     while 1:
  114.         img = frame_q.get()
  115.         g_img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
  116.         # 使用detector进行人脸检测
  117.         dets = detector(g_img, 1)

  118.         for i, d in enumerate(dets):
  119.             print("----- i:%d\n" % i)
  120.             x1 = d.top() if d.top() > 0 else 0
  121.             y1 = d.bottom() if d.bottom() > 0 else 0
  122.             x2 = d.left() if d.left() > 0 else 0
  123.             y2 = d.right() if d.right() > 0 else 0

  124.             print("index: %d   num %d " % (index,num))

  125.             face = img[x1-add:y1 + add,x2-add:y2 + add]

  126.             if face.shape[0] > 300 :  # check picture size
  127.                 g_img = cv2.cvtColor(face, cv2.COLOR_BGR2GRAY)
  128.                 lm = cv2.Laplacian(g_img, cv2.CV_64F).var()
  129.                 print("## lm : %d \n" % lm)
  130.                 if lm < 300:
  131.                     continue
  132.                
  133.                 num += 1
  134.                 if num >= 2:
  135.                     file = os.path.join(temporary_dir,str(index)+image_extension)
  136.                     image = cv2.resize(face,(160,160))
  137.                     cv2.imwrite(file, image)
  138.                     info_q.put(file)
  139.                     num = 0
  140.                     index += 1
  141.                     if index > 1000:
  142.                         index = 0



  143.         if not msg_q.empty():
  144.             if msg_q.get() == "complate_msg":
  145.                 break


  146. def PersonCompare(info_queue,msg_q):
  147.     image_size = (160,160)
  148.     total_dist = 0.0000
  149.     with tf.Graph().as_default():
  150.       
  151.         with tf.Session() as sess:

  152.             #image_dir1 = os.path.expanduser(args.first_dir)
  153.             #image_dir2 = os.path.expanduser(args.second_dir)
  154.             
  155.             image_paths_placeholder = tf.placeholder(tf.string, shape=(None,1), name='image_paths')
  156.             labels_placeholder = tf.placeholder(tf.int32, shape=(None,1), name='labels')
  157.             batch_size_placeholder = tf.placeholder(tf.int32, name='batch_size')
  158.             control_placeholder = tf.placeholder(tf.int32, shape=(None,1), name='control')
  159.             phase_train_placeholder = tf.placeholder(tf.bool, name='phase_train')

  160.             nrof_preprocess_threads = 4
  161.             #image_size = (image_size, image_size)

  162.             eval_input_queue = data_flow_ops.FIFOQueue(capacity=2000000,
  163.                                         dtypes=[tf.string, tf.int32, tf.int32],
  164.                                         shapes=[(1,), (1,), (1,)],
  165.                                         shared_name=None, name=None)
  166.             eval_enqueue_op = eval_input_queue.enqueue_many([image_paths_placeholder, labels_placeholder, control_placeholder], name='eval_enqueue_op')
  167.             image_batch, label_batch = facenet.create_input_pipeline(eval_input_queue, image_size, nrof_preprocess_threads, batch_size_placeholder)
  168.      
  169.             # Load the model
  170.             input_map = {'image_batch': image_batch, 'label_batch': label_batch, 'phase_train': phase_train_placeholder}
  171.             print('=== model: ')
  172.             print(model)
  173.             print('===input_map: ')
  174.             print(input_map)
  175.             facenet.load_model(model, input_map=input_map)

  176.             images_placeholder = tf.get_default_graph().get_tensor_by_name("input:0")
  177.             # Get output tensor
  178.             embeddings = tf.get_default_graph().get_tensor_by_name("embeddings:0")
  179.             embedding_size = embeddings.get_shape()[1]

  180.             print('facenet embedding模型建立完毕')

  181.             image_num = 0
  182.             pass_num = 0

  183.             while 1:
  184.                 input_img = info_queue.get()
  185.                 you = "who ?"
  186.                 last_dist = 2
  187.                 #print(input_img)
  188.                 #print("compare dir: %s" % compare_dir)

  189.                 for parent, dirnames, filenames in os.walk(compare_dir):
  190.                     #print(dirnames)
  191.                     for username in dirnames:
  192.                         userdir = os.path.join(compare_dir,username)

  193.                         img_files = os.path.join(userdir,"*" + image_extension)
  194.                
  195.                         img_name_list = glob.glob(img_files)

  196.                         for compare_img in img_name_list:
  197.                             scaled_reshape = []
  198.                             image1 = scipy.misc.imread(input_img, mode='RGB')
  199.                             image1 = cv2.resize(image1, image_size,  interpolation=cv2.INTER_CUBIC)
  200.                             image1 = facenet.prewhiten(image1)
  201.                             scaled_reshape.append(image1.reshape(-1,160,160,3))
  202.                             emb_array1 = np.zeros((1, embedding_size))
  203.                             emb_array1[0, :] = sess.run(embeddings, feed_dict={images_placeholder: scaled_reshape[0], phase_train_placeholder: False })[0]

  204.                             image2 = scipy.misc.imread(compare_img, mode='RGB')
  205.                             image2 = cv2.resize(image2, image_size, interpolation=cv2.INTER_CUBIC)
  206.                             image2 = facenet.prewhiten(image2)
  207.                             scaled_reshape.append(image2.reshape(-1,160,160,3))
  208.                             emb_array2 = np.zeros((1, embedding_size))
  209.                             emb_array2[0, :] = sess.run(embeddings, feed_dict={images_placeholder: scaled_reshape[1], phase_train_placeholder: False })[0]

  210.                             dist = np.sqrt(np.sum(np.square(emb_array1[0]-emb_array2[0])))
  211.                             #print("%s:%f "% (username,dist))
  212.                             total_dist += dist
  213.                             #if dist < 0.9:
  214.                                 #print("pass num += 1")
  215.                                 #pass_num += 1

  216.                             image_num += 1
  217.                                 #print(" 第%d组照片是同一个人 "%num)
  218.                         if image_num == 0:
  219.                             #pass_num = 0
  220.                             total_dist = 0
  221.                             continue
  222.                         #pass_rate = pass_num/image_num
  223.                         #print("%s 通过率: %f " % (username,pass_rate))
  224.                         #pass_num = 0
  225.                         mean_dist = total_dist / image_num
  226.                         #print("---- %s  mean dist: %f" % (username,mean_dist))
  227.                         if mean_dist < last_dist:
  228.                             last_dist = mean_dist
  229.                             you = username
  230.                         image_num = 0
  231.                         total_dist = 0
  232.                         #if pass_rate >= 0.8 :
  233.                             #print("=========== 你是: %s\n" % username)
  234.                             #break
  235.                     print("=========== 你是: %s\n" % you)

  236.                     break


  237.                 if not msg_q.empty():
  238.                     if msg_q.get() == "complate_msg":
  239.                         break


  240. if __name__ == '__main__':
  241. main()
复制代码





扫描二维码,随时随地手机跟帖
您需要登录后才可以回帖 登录 | 注册

本版积分规则

我要发帖 投诉建议 创建版块 申请版主

快速回复

您需要登录后才可以回帖
登录 | 注册
高级模式

论坛热帖

关闭

热门推荐上一条 /5 下一条

在线客服 快速回复 返回顶部 返回列表
荣鼎彩手机app下载 山东群英会走势图 916彩票 微信pk10机器人漏洞 瑞祥彩票 网易彩票 河北11选5走势图 新华彩票 头奖彩票 内蒙古快3