案例1 照片 智能搜索 授课人： 目录 目录 01 提出问题 02 预备知识 任务2——利用训练好的模型来辨识照片 03 04 05 任务1——训练目标人脸识别模型 解决方案 PART 01 PART 01 提出问题 随时人民生活水平的提高和手机照相功能的日趋完美，我们不 经意中拍摄了很多值得回忆的时刻，一场说走就走的旅行途中也记 录下许多令人心动的瞬间，不知不觉之中，我们身边保存了大量的 生活相片。然而，每当你想重温你或者他的系列照片时，或者想分 享一张你特别满意的靓照，从众多的照片中一遍遍翻找这些照片的 确是一件费时费力的事情。这时，你可能会问：既然AI无时不在我 们身边，能否借助AI的人脸识别技术来帮助我自动整理出我想要的 照片，实现照片的智能搜索呢？答案无疑是肯定的。 下面，我们就利用人脸识别技术和OpenCV工具，对相册中的照片进 行自动挑选以解决上述问题。 提出问题 PART 02 PART 02 解决方案 帮人从相册中找出指定人物的系列照片，对于人工操作而言，并不是一件困难的事情， 但整理的效率可能不尽人意，毕竟手动翻阅每张照片是个耗时费力的事。让计算机替代人来 完成这个事，难点在于如何从被检照片中识别与目标人脸高度相似的人脸，如果被检照片中 有此人，说明该照片就是你想要的那一张，否则，该照片被忽视。因此，一种可行的方案是： 首先训练计算机认识不同式样的同一系列人脸，让它知道其实这些照片上的人物是同为一个 人，从而得到目标人脸训练模型；其次，遍历相册中的每张照片，检测出该照片上所有的人 脸，提取人脸特征值，然后用目标人脸训练模型依次对人脸特征值进行预测比对，如果两者 之间只要有一次高度匹配，就保留该照片，立即进入下一张照片的搜索，如果均不匹配，则 忽视该照片，进行下一张搜索，直至搜索完所有的照片；最后得到的所有保留照片就是智能 搜索的结果，至此，整个智能搜索照片过程结束。 解决方案 解决方案 问题的解决方案如下图所示。 解决方案 PART 03 PART 03 预备知识 利用OpenCV来智能搜索相片， 有两个重要的环节，一是人脸区域 的检测，这要用到前面提到的人脸 检测器；二是基于人脸区域数据的 人脸识别，这要用到人脸识别模型， 下面分别来了解OpenCV中人类检测 器和人脸识别模型的使用。 1. 人脸检测器 我们可以从网络资源上下载别人 训练好的人脸分类器，也可以自己训 练。在此我们使用表8.1中默认的级 联分类器来检测照片中的人脸。 预备知识 【引例8-1】检测照片中的所有人脸，并用矩形框出人脸区域。 1 import cv22 import numpy as np3 faceCascade=cv2.CascadeClassifier('data/haarcascade_frontalface_default.xml')4 img=cv2.imread('data/pic1.JPG')5 gray=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)6 faces=faceCascade.detectMultiScale(gray,1.3,5)7 for (x,y,w,h)in faces:8 cv2.rectangle(img,(x,y),(x+w,y+h),(0,0,0),1)9 cv2.imshow('pic',img)10 cv2.waitKey(0)11 cv2.destroyAllWindows() 预备知识 为方便调用默认的级联人脸分类模型，将文件 haarcascade_frontalface_default.xml拷贝到源程序所在位置 的data文件夹下，通过代码行3来构建人脸分类器 faceCascade。代码行4读取照片文件pic1.jpg，在代码行5将 其转换成灰度图像。代码行6对灰度图像gray按搜索窗口比 例系数为1.3、相邻矩形最小个数为5的扫描方式检测人脸， 并返回检测到的人脸矩形框向量数组。代码行7-8遍历该向 量数组，在图像img中人脸的相应位置绘制出一个个的矩 形框。代码行9显示绘制有人脸矩形框的照片，代码行10 一直等待用户的按键响应，按任意键继续，并通过代码行 11关闭所有的窗口。程序的运行结果如右上所示。 识别出的人脸框 由上图可以看出，照片中的两 个人脸被成功检测出来，人脸的位 置及大小数据见下图所示。 两个人脸的矩形向量数据 预备知识 2. 人脸识别算法 目前OpenCV支持特征脸EigenFace、线性判别分析脸FisherFace和直方图脸LBPHFace三种人 脸识别方法。 OpenCV的扩展包opencv- contrib-python提供了相应的函数 以方便构建上述三种人脸识别方 法的模型，因此在使用人脸识别 模型前，要执行以下命
