基于OpenCV TensorFlow实现的图片人脸识别源码.zip

``` 安装 dlib dlib 是一个基于 C++ 编写的扩展库，包含有许多常用的机器学习算法以及图像处理函数。 并且还支持大量的数值计算，如矩阵、大整数随机运算等。 但是在编译安装 dlib 之前我们还需要先给系统装上各种依赖环境，步骤如下。 参考：dlib 官网 http://dlib.net 安装 OpenCV OpenCV 是一款功能强大的跨平台计算机视觉开源库，可以用于解决人机交互、物体检测、人脸识别等领域的问题。 库本身是采用 C++ 编写的，但是同时也对 Python, Java, C# 等语言提供接口支持。 https://docs.opencv.org/master/d7/d9f/tutorial_linux_install.html 安装方法 pip3 install opencv-python 安装 docopt docopt 是 Python 的一个第三方参数解析库，可以根据使用者提供的文档描述自动生成解析器。因此使用者可以用它来定义交互参数与解析参数。 所以 docopt(__doc__, version=__version__) 函数能自动根据三个双引号中的文档内容（存储于 __doc__ 中）生成命令行解析器，并将解析结果以字典对象返回。 所以使用 docopt 进行命令行解析，我们唯一需要做好的事情就是编写好帮助文档，然后其它一切解析的问题都可以甩手给 docopt 自动解决。 安装 docopt $ sudo pip3 install docopt 参考：http://docopt.org/ ----------------------------------------------------------------------- dlib 很准确地检测出来了下巴、嘴巴、鼻子、眼睛和眉毛这些面部特征点。并且每个部位都被分配固定索引的点进行标注， 范围如下表，一共是 68 个标记点。 部位 索引 下巴 0~16 左眉毛 17~21 右眉毛 22~26 鼻子 27~35 左眼睛 36~41 右眼睛 42~47 嘴巴 48~67 参考文档 https://www.w3cschool.cn/opencv/opencv-ful52dkf.html https://qiita.com/ufoo68/items/b1379b40ae6e63ed3c79 https://blog.csdn.net/hongbin_xu/article/details/78347484 程序中使用到的 shape_predictor_68_face_landmarks.dat 是 dlib 官方提供的模型数据， 有了这个模型之后我们就不需要自己再耗费时间去训练模型，直接拿来使用即可。 下载方式： wget https://labfile.oss.aliyuncs.com/courses/686/shape_predictor_68_face_landmarks.dat tutorials https://docs.opencv.org/master/d9/df8/tutorial_root.html Ever wondered how your digital camera detects peoples and faces? Look here to find out! https://docs.opencv.org/master/db/d28/tutorial_cascade_classifier.html Look here in order to find use on your video stream algorithms like: motion extraction, feature tracking and foreground extractions. https://docs.opencv.org/master/da/dd0/tutorial_table_of_content_video.html This section contains tutorials about how to read/save your video files. https://docs.opencv.org/master/df/d2c/tutorial_table_of_content_videoio.html 各种cascade类文件的效果展示。包括 嘴巴 鼻子 眼睛 身体的识别. https://symfoware.blog.fc2.com/blog-entry-1556.html # 从下面的地址获获取opencv的训练完成后的类文件，包括鼻子 脸部 嘴巴等识别文件。 # https://github.com/opencv/opencv/blob/master/data/haarcascades/ # https://github.com/opencv/opencv_contrib/blob/master/modules/face/data/cascades/ ---------------------------------------------------------- 机器深度学习的时候需要大量的图片，手工制作非常麻烦。 通过这个教程可以很快的用一张图片自动生成大量的图片，包括方向改变，颜色改变，尺寸改变等。 水増し　掺水分 作假 画像の水増し方法をTensorFlowのコードから学ぶ https://qiita.com/Hironsan/items/e20d0c01c95cb2e08b94 ---------------------------------------------------------- openCVで効率的に大量画像を顔検出するためのtips https://qiita.com/FukuharaYohei/items/1e15d79c87f1de513eac 重要参数设置数值 scaleFactor=1.2, minNeighbors=2, minSize=[50,50]が誤検知率が低くて優秀でした。 ---------------------------------------------------------- 优化分析 提高准确率降低分析时间降低系统负荷 物体検出（detectMultiScale）をパラメータを変えて試してみる（scaleFactor編） http://workpiles.com/2015/04/opencv-detectmultiscale-scalefactor/ 物体検出（detectMultiScale）をパラメータを変えて試してみる（minNeighbors編） http://workpiles.com/2015/04/opencv-detectmultiscale-minneighbors/ ---------------------------------------------------------- 需要完成的部分 分析 支持多人同时识别的代码 OpenCV_multi_people.py ok 实现能够支持手势gesture的实现方法 实现读取视频文件，然后分析识别视频中的人物的脸部和眼睛 实现追踪特征点，根据指定的物体，追踪物体移动，并在图像中标注出来 ok 如何识别特定的物体，或者是指定的物体 特定人脸识别 ok 实现换脸的特效，检测2张脸，然后互换眼睛，鼻子，嘴巴，眉毛等特征 readme文档中没有实现的代码 ok 了解使用GCP google cloud plateform 来实现快速训练 Tensorflow object detection API 搭建属于自己的物体识别模型（1）——环境搭建与测试 https://blog.csdn.net/dy_guox/article/details/79081499 在实际使用前需要进行安装 installation instructions 安装下面的官方操作方法安装 https://github.com/tensorflow/models/blob/master/research/object_detection/g3doc/installation.md （1）如果有下面的错误 ModuleNotFoundError: No module named 'tensorflow.python.saved_model.model_utils' 参考这个url解决问题 pip uninstall tensorflow_estimator pip install tensorflow_estimator https://stackoverflow.com/questions/55082483/why-i-cannot-import-tensorflow-contrib-i-get-an-error-of-no-module-named-tensor （2）如果出现 ModuleNotFoundError: No module named 'object_detection'这样的模块没有找到的错误 参考这个url解决问题 选择File—>settings—>project:pythonWork—>project structure 调整root路径为models/research 这样就可以找到object_detection模块了 https://blog.csdn.net/qq_20367813/article/details/79608108 （3）如果出现Protobuf没有安装，参照下面的方法安装，选择Mac版本下载 Protobuf 安装与配置 在 https://github.com/google/protobuf/releases  创建软连接到/usr/local/bin ln -s /Users/qiulongquan/protoc-3/bin/protoc /usr/local/bin 把include文件夹拷贝到/usr/local里面去 cp -r include /usr/local 在models\research\目录下打开命令行窗口，输入： # From tensorflow/models/research/ protoc object_detection/protos/*.proto --python_out=. （更新视频教程）Tensorflow object detection API 搭建属于自己的物体识别模型（2）——训练并使用自己的模型 https://blog.csdn.net/dy_guox/article/details/79111949 这个是对应的视频 重点参考看 https://www.bilibili.com/video/av21539370/?p=1 tensorflow进行人脸识别已经可以使用，准确率还是很高的，可以侧脸识别。 如果有一部分脸部被遮挡，匹配率会下降，这说明程序按照预想进行了视频分析。 ----------------------------关于参数和图片数量 重点----------------------------------- 1.图片要150张以上，可以确保比较高的准确率。图片越多训练时间越长。同一个目标各种不同方向，光照，姿势的图片都应该加入。 2.训练的时候 batch_size（一次批处理的大小）选择5-10都可以，越大越容易收敛归一，但是内存容量要更多。 3.训练step选择25000步基本就可以了，主要看lose损失函数是不是已经下降并且平稳了。 4.150张图片25000步大概20多个小时可以完成。大概2.8秒一步。 ------------------------------------------------------------------------------------ 训练完成先冻结模型，然后生成TF lift文件，轻量化文件可以在手机端使用。pb文件不能在手机端正�