基于opencv tenserflow2.0实战CNN人脸识别锁定与解锁win10屏幕.zip

# 基于opencv tenserflow2.0实战CNN人脸识别锁定与解锁win10屏幕 # 前言 windows hello的低阶板本，没有Windows hello的3D景深镜头，因此这是一个基于图片的识别机主的程序。 具体运行时，解锁时，判断是否是本人；若不是本人或无人（10s），锁屏；若是本人，正常使用；(采取无密码原始界面) 人脸的检测采取opencv cv2.CascadeClassifier 关于模型则采取 ``` _________________________________________________________________ Layer (type) Output Shape Param # ================================================================= conv2d (Conv2D) (None, 62, 62, 128) 3584 _________________________________________________________________ conv2d_1 (Conv2D) (None, 60, 60, 64) 73792 _________________________________________________________________ flatten (Flatten) (None, 230400) 0 _________________________________________________________________ dense (Dense) (None, 40) 9216040 ================================================================= Total params: 9,293,416 Trainable params: 9,293,416 Non-trainable params: 0 _________________________________________________________________ None ``` 基础需要由四部分组成。 face_1.py|face_2.py|face_3.py|face_4.py -|-|-|- 制作自己人脸训练数据|由face_1.py 和 face_2.py制作的数据来进行CNN深度学习，并保存模型|由已知其他人脸来制作数据|最后的检测程序 ## 运行python环境 主要是在tensorflow2.0-gpu下运行； 这里略微吐槽下tensorflow2.0.keras模块部分无提示，对于新手不太友好。 conda list： Name|Version|Build Channel -|-|- _tflow_select|2.1.0| gpu absl-py| 0.8.1|py37_0 altgraph| 0.17| pypi_0 pypi astor| 0.8.0|py37_0 astroid| 2.3.3|py37_0 backcall| 0.1.0|py37_0 blas|1.0| mkl ca-certificates |2019.11.27|0 certifi| 2019.11.28| py37_0 colorama| 0.4.3|py_0 cudatoolkit| 10.0.130|0 cudnn| 7.6.5| cuda10.0_0 cycler|0.10.0| pypi_0 pypi decorator| 4.4.1|py_0 future|0.18.2| pypi_0 pypi gast|0.2.2|py37_0 google-pasta| 0.1.8|py_0 grpcio|1.16.1 | py37h351948d_1 h5py|2.9.0|py37h5e291fa_0 hdf5|1.10.4| h7ebc959_0 icc_rt|2019.0.0|h0cc432a_1 intel-openmp| 2019.4|245 ipykernel| 5.1.3|py37h39e3cac_1 ipython| 7.11.1 | py37h39e3cac_0 ipython_genutils | 0.2.0|py37_0 isort| 4.3.21| py37_0 jedi|0.15.2| py37_0 joblib|0.14.1| py_0 jupyter_client|5.3.4|py37_0 jupyter_core| 4.6.1|py37_0 keras| 2.3.1|pypi_0 pypi keras-applications | 1.0.8|py_0 keras-preprocessing |1.1.0|py_1 kiwisolver| 1.1.0|pypi_0 pypi lazy-object-proxy | 1.4.3|py37he774522_0 libprotobuf| 3.11.2| h7bd577a_0 libsodium| 1.0.16| h9d3ae62_0 markdown| 3.1.1|py37_0 matplotlib| 3.1.2|pypi_0 pypi mccabe|0.6.1|py37_1 mkl| 2019.4|245 mkl-service| 2.3.0|py37hb782905_0 mkl_fft| 1.0.15 | py37h14836fe_0 mkl_random| 1.1.0|py37h675688f_0 mouseinfo| 0.1.2|pypi_0 pypi numpy| 1.17.4 | py37h4320e6b_0 numpy-base| 1.17.4 | py37hc3f5095_0 opencv-python|4.1.2.30| pypi_0 pypi openssl| 1.1.1d| he774522_3 opt_einsum| 3.1.0|py_0 pandas|0.25.3| pypi_0 | pypi parso| 0.5.2|py_0 pefile|2019.4.18| pypi_0 | pypi pickleshare| 0.7.5|py37_0 pillow|7.0.0|pypi_0 |pypi pip| 19.3.1| py37_0 prompt_toolkit|3.0.2|py_0 protobuf| 3.11.2| py37h33f27b4_0 pyautogui| 0.9.48| pypi_0 pypi pygetwindow| 0.0.8|pypi_0 pypi pygments| 2.5.2|py_0 pyinstaller| 3.6|pypi_0 pypi pylint|2.4.4|py37_0 pymsgbox| 1.0.7|pypi_0 pypi pyparsing| 2.4.6|pypi_0 pypi pyperclip| 1.7.0|pypi_0 pypi pyreadline| 2.1|py37_1 pyrect|0.1.4|pypi_0 pypi pyscreeze| 0.1.26| pypi_0 pypi python|3.7.6| h60c2a47_2 python-dateutil | 2.8.1|py_0 pytweening| 1.0.3|pypi_0 pypi pytz|2019.3| pypi_0 pypi pywin32| 227| py37he774522_1 pywin32-ctypes|0.2.0|pypi_0 pypi pyyaml|5.3|pypi_0 pypi pyzmq| 18.1.0 | py37ha925a31_0 scikit-learn| 0.22.1 | py37h6288b17_0 scipy| 1.3.2|py37h29ff71c_0 setuptools| 44.0.0| py37_0 six| 1.13.0| py37_0 sqlite|3.30.1| he774522_0 tensorboard| 2.0.0| pyhb38c66f_1 tensorflow| 2.0.0 | gpu_py37h57d29ca_0 tensorflow-base | 2.0.0 | gpu_py37h390e234_0 tensorflow-estimator | 2.0.0| pyh2649769_0 tensorflow-gpu|2.0.0| h0d30ee6_0 termcolor| 1.1.0|py37_1 tornado| 6.0.3|py37he774522_0 traitlets| 4.3.3|py37_0 vc| 14.1| h0510ff6_4 vs2015_runtime|14.16.27012 | hf0eaf9b_1 wcwidth| 0.1.7|py37_0 werkzeug| 0.16.0| py_0 wheel| 0.33.6| py37_0 wincertstore| 0.2|py37_0 wrapt| 1.11.2 py37he774522_0 zeromq|4.3.1| h33f27b4_3 zlib|1.2.11| h62dcd97_3 ## 首先制作自己训练数据： 人脸数据存储至my_faces 可自己命名 face_1.py ```python # 制作自己人脸数据 from cv2 import cv2 import os import sys import random out_dir = './my_faces' if not os.path.exists(out_dir): os.makedirs(out_dir) # 改变亮度与对比度 def relight(img, alpha=1, bias=0): w = img.shape[1] h = img.shape[0] #image = [] for i in range(0,w): for j in range(0,h): for c in range(3): tmp = int(img[j,i,c]*alpha + bias) if tmp > 255: tmp = 255 elif tmp < 0: tmp = 0 img[j,i,c] = tmp return img # 获取分类器 haar = cv2.CascadeClassifier(r'E:\ProgramData\Anaconda3\envs\tenserflow02\Lib\site-packages\cv2\data\haarcascade_frontalface_default.xml') # 打开摄像头 参数为输入流，可以为摄像头或视频文件 camera = cv2.VideoCapture(0) n = 1 while 1: if (n <= 5000): print('It`s processing %s image.' % n) # 读帧 success, img = camera.read() gray_img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) faces = haar.detectMultiScale(gray_img, 1.3, 5) for f_x, f_y, f_w, f_h in faces: face = img[f_y:f_y+f_h, f_x:f_x+f_w] face = cv2.resize(face, (64,64)) face = relight(face, random.uniform(0.5, 1.5), random.randint(-50, 50)) cv2.imshow('img', face) cv2.imwrite(out_dir+'/'+str(n)+'.jpg', face) n+=1 key = cv2.waitKey(30) & 0xff if key == 27: break else: break ``` ## 制作他人训练数据： 需要收集一个其他人脸的图片集，只要不是自己的人脸都可以，可以在网上找到，这里我给出一个我用到的图片集： 网站地址:http://vis-www.cs.umass.edu/lfw/ 图片集下载:http://vis-www.cs.umass.edu/lfw/lfw.tgz 先将下载的图片集，解压到项目目录下的lfw目录下，也可以自己指定目录(修改代码中的input_dir变量) face_3.py ```python # -*- codeing: utf-8 -*- import sys import os from cv2 import cv2 input_dir = './lfw' output_dir = './other_faces' size = 64 if not os.path.exists(output_dir): os.makedirs(output_dir) def close_cv2(): """删除cv窗口""" while(1): if(cv2.waitKey(100)==27): break cv2.destroyAllWindows() # 获取分类器 haar = cv2.CascadeClassifier(r'E:\ProgramData\Anaconda3\envs\tenserflow02\Lib\site-packages\cv2\data\haarcascade_frontalface_default.xml') index = 1 for (path, dirnames, filenames) in os.walk(input_dir): for filename in filenames: if filename.endswith('.jpg'): print('Being processed picture %s' % index) img_path = path+'/'+filename # # 从文件读取图片 print(img_path) img = cv2.imread(img_path) # cv2.imshow(" ",img) # close_cv2() # 转为灰度图片 gray_img = cv2.cvtColor(img, cv2.COLOR_BGR2GRA