用深度學習框架Tensorflow編寫一個“認識你的女朋友”

大家都知道TensorFlow是Google旗下的深度學習技術框架，可被用於語音識別或圖像識別等多項機器深度學習領域，它可在小到一部智能手機、大到數千臺數據中心服務器的各種設備上運行。而且TensorFlow將完全開源，任何人都可以用，本文內容版權來自技術博主Tumumu，以下是內容正文：

想要她認得我，就需要給她一些我的照片，讓她記住我的人臉特徵，為了讓她區分我和其他人，還需要給她一些其他人的照片做參照，所以就需要兩組數據集來讓她學習，如果想讓她多認識幾個人，那多給她幾組圖片集學習就可以了。下面就開始讓我們來搭建這個能認識我的"她"。

1、運行環境

系統：window或linux

軟件：python 3.x 、 tensorflow

python支持庫：Tensorflow

pip install tensorflow #cpu版本

pip install rensorflow-gpu #gpu版本（需要cuda與cudnn的支持，不清楚的可以選擇cpu版）

numpy:

pip install numpy

opencv:

pip install opencv-python

dlib:

pip install dlib

2、獲取本人圖片集

獲取本人照片的方式當然是拍照了，我們需要通過程序來給自己拍照，如果你自己有照片，也可以用那些現成的照片，但前提是你的照片足夠多。這次用到的照片數是10000張，程序運行後，得坐在電腦面前不停得給自己的臉擺各種姿勢，這樣可以提高訓練後識別自己的成功率，在程序中加入了隨機改變對比度與亮度的模塊，也是為了提高照片樣本的多樣性。

程序中使用的是dlib來識別人臉部分，也可以使用opencv來識別人臉，在實際使用過程中，dlib的識別效果比opencv的好，但opencv識別的速度會快很多，獲取10000張人臉照片的情況下，dlib大約花費了1小時，而opencv的花費時間大概只有20分鐘。opencv可能會識別一些奇怪的部分，所以綜合考慮之後我使用了dlib來識別人臉。

get_my_faces.py

import cv2

import dlib

import os

import sys

import random

output_dir = './my_faces'

size = 64

if not os.path.exists(output_dir):

os.makedirs(output_dir)

# 改變圖片的亮度與對比度

def relight(img, light=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]*light + bias)

if tmp > 255:

tmp = 255

elif tmp < 0:

tmp = 0

img[j,i,c] = tmp

return img

#使用dlib自帶的frontal_face_detector作為我們的特徵提取器

detector = dlib.get_frontal_face_detector()

# 打開攝像頭 參數為輸入流，可以為攝像頭或視頻文件

camera = cv2.VideoCapture(0)

index = 1

while True:

if (index <= 10000):

print('Being processed picture %s' % index)

# 從攝像頭讀取照片

success, img = camera.read()

# 轉為灰度圖片

gray_img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# 使用detector進行人臉檢測

dets = detector(gray_img, 1)

for i, d in enumerate(dets):

x1 = d.top() if d.top() > 0 else 0

y1 = d.bottom() if d.bottom() > 0 else 0

x2 = d.left() if d.left() > 0 else 0

y2 = d.right() if d.right() > 0 else 0

face = img[x1:y1,x2:y2]

# 調整圖片對比度與亮度， 對比度與亮度值取隨機數，這樣能增加樣本多樣性

face = relight(face, random.uniform(0.5, 1.5), random.randint(-50, 50))

face = cv2.resize(face, (size,size))

cv2.imshow('image', face)

cv2.imwrite(output_dir+'/'+str(index)+'.jpg', face)

index += 1

key = cv2.waitKey(30) & 0xff

if key == 27:

break

else:

print('Finished!')

break

在這裡我也給出一個opencv來識別人臉的代碼示例：

import cv2

import os

import sys

import random

out_dir = './my_faces'

if not os.path.exists(out_dir):

os.makedirs(out_dir)

# 改變亮度與對比度

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

# 獲取分類器

haar = cv2.CascadeClassifier('haarcascade_frontalface_default.xml')

# 打開攝像頭 參數為輸入流，可以為攝像頭或視頻文件

camera = cv2.VideoCapture(0)

n = 1

while 1:

if (n <= 10000):

print('It`s processing %s image.' % n)

# 讀幀

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))

'''

if n % 3 == 1:

face = relight(face, 1, 50)

elif n % 3 == 2:

face = relight(face, 0.5, 0)

'''

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

3、獲取其他人臉圖片集

需要收集一個其他人臉的圖片集，只要不是自己的人臉都可以，可以在網上找到，先將下載的圖片集，解壓到項目目錄下的input_img目錄下，也可以自己指定目錄（修改代碼中的input_dir變量），接下來使用dlib來批量識別圖片中的人臉部分，並保存到指定目錄下

set_other_people.py

# -*- codeing: utf-8 -*-

import sys

import os

import cv2

import dlib

input_dir = './input_img'

output_dir = './other_faces'

size = 64

if not os.path.exists(output_dir):

os.makedirs(output_dir)

#使用dlib自帶的frontal_face_detector作為我們的特徵提取器

detector = dlib.get_frontal_face_detector()

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

# 從文件讀取圖片

img = cv2.imread(img_path)

# 轉為灰度圖片

gray_img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# 使用detector進行人臉檢測 dets為返回的結果

dets = detector(gray_img, 1)

#使用enumerate 函數遍歷序列中的元素以及它們的下標

#下標i即為人臉序號

#left：人臉左邊距離圖片左邊界的距離 ；right：人臉右邊距離圖片左邊界的距離

#top：人臉上邊距離圖片上邊界的距離 ；bottom：人臉下邊距離圖片上邊界的距離

for i, d in enumerate(dets):

x1 = d.top() if d.top() > 0 else 0

y1 = d.bottom() if d.bottom() > 0 else 0

x2 = d.left() if d.left() > 0 else 0

y2 = d.right() if d.right() > 0 else 0

# img[y:y+h,x:x+w]

face = img[x1:y1,x2:y2]

# 調整圖片的尺寸

face = cv2.resize(face, (size,size))

cv2.imshow('image',face)

# 保存圖片

cv2.imwrite(output_dir+'/'+str(index)+'.jpg', face)

index += 1

key = cv2.waitKey(30) & 0xff

if key == 27:

sys.exit(0)

這個項目用到的圖片數是10000張左右，如果是自己下載的圖片集，控制一下圖片的數量避免數量不足，或圖片過多帶來的內存不夠與運行緩慢。

4、訓練模型

有了訓練數據之後，通過cnn來訓練數據，就可以讓她記住我的人臉特徵，學習怎麼認識我了。

train_faces.py

import tensorflow as tf

import cv2

import numpy as np

import os

import random

import sys

from sklearn.model_selection import train_test_split

my_faces_path = './my_faces'

other_faces_path = './other_faces'

size = 64

imgs = []

labs = []

def getPaddingSize(img):

h, w, _ = img.shape

top, bottom, left, right = (0,0,0,0)

longest = max(h, w)

if w < longest:

tmp = longest - w

# //表示整除符號

left = tmp // 2

right = tmp - left

elif h < longest:

tmp = longest - h

top = tmp // 2

bottom = tmp - top

else:

pass

return top, bottom, left, right

def readData(path , h=size, w=size):

for filename in os.listdir(path):

if filename.endswith('.jpg'):

filename = path + '/' + filename

img = cv2.imread(filename)

top,bottom,left,right = getPaddingSize(img)

# 將圖片放大， 擴充圖片邊緣部分

img = cv2.copyMakeBorder(img, top, bottom, left, right, cv2.BORDER_CONSTANT, value=[0,0,0])

img = cv2.resize(img, (h, w))

imgs.append(img)

labs.append(path)

readData(my_faces_path)

readData(other_faces_path)

# 將圖片數據與標籤轉換成數組

imgs = np.array(imgs)

labs = np.array([[0,1] if lab == my_faces_path else [1,0] for lab in labs])

# 隨機劃分測試集與訓練集

train_x,test_x,train_y,test_y = train_test_split(imgs, labs, test_size=0.05, random_state=random.randint(0,100))

# 參數：圖片數據的總數，圖片的高、寬、通道

train_x = train_x.reshape(train_x.shape[0], size, size, 3)

test_x = test_x.reshape(test_x.shape[0], size, size, 3)

# 將數據轉換成小於1的數

train_x = train_x.astype('float32')/255.0

test_x = test_x.astype('float32')/255.0

print('train size:%s, test size:%s' % (len(train_x), len(test_x)))

# 圖片塊，每次取100張圖片

batch_size = 100

num_batch = len(train_x) // batch_size

x = tf.placeholder(tf.float32, [None, size, size, 3])

y_ = tf.placeholder(tf.float32, [None, 2])

keep_prob_5 = tf.placeholder(tf.float32)

keep_prob_75 = tf.placeholder(tf.float32)

def weightVariable(shape):

init = tf.random_normal(shape, stddev=0.01)

return tf.Variable(init)

def biasVariable(shape):

init = tf.random_normal(shape)

return tf.Variable(init)

def conv2d(x, W):

return tf.nn.conv2d(x, W, strides=[1,1,1,1], padding='SAME')

def maxPool(x):

return tf.nn.max_pool(x, ksize=[1,2,2,1], strides=[1,2,2,1], padding='SAME')

def dropout(x, keep):

return tf.nn.dropout(x, keep)

def cnnLayer():

# 第一層

W1 = weightVariable([3,3,3,32]) # 卷積核大小(3,3)， 輸入通道(3)， 輸出通道(32)

b1 = biasVariable([32])

# 卷積

conv1 = tf.nn.relu(conv2d(x, W1) + b1)

# 池化

pool1 = maxPool(conv1)

# 減少過擬合，隨機讓某些權重不更新

drop1 = dropout(pool1, keep_prob_5)

# 第二層

W2 = weightVariable([3,3,32,64])

b2 = biasVariable([64])

conv2 = tf.nn.relu(conv2d(drop1, W2) + b2)

pool2 = maxPool(conv2)

drop2 = dropout(pool2, keep_prob_5)

# 第三層

W3 = weightVariable([3,3,64,64])

b3 = biasVariable([64])

conv3 = tf.nn.relu(conv2d(drop2, W3) + b3)

pool3 = maxPool(conv3)

drop3 = dropout(pool3, keep_prob_5)

# 全連接層

Wf = weightVariable([8*16*32, 512])

bf = biasVariable([512])

drop3_flat = tf.reshape(drop3, [-1, 8*16*32])

dense = tf.nn.relu(tf.matmul(drop3_flat, Wf) + bf)

dropf = dropout(dense, keep_prob_75)

# 輸出層

Wout = weightVariable([512,2])

bout = weightVariable([2])

#out = tf.matmul(dropf, Wout) + bout

out = tf.add(tf.matmul(dropf, Wout), bout)

return out

def cnnTrain():

out = cnnLayer()

cross_entropy = tf.reduce_mean(tf.nn.softmax_cross_entropy_with_logits(logits=out, labels=y_))

train_step = tf.train.AdamOptimizer(0.01).minimize(cross_entropy)

# 比較標籤是否相等，再求的所有數的平均值，tf.cast(強制轉換類型)

accuracy = tf.reduce_mean(tf.cast(tf.equal(tf.argmax(out, 1), tf.argmax(y_, 1)), tf.float32))

# 將loss與accuracy保存以供tensorboard使用

tf.summary.scalar('loss', cross_entropy)

tf.summary.scalar('accuracy', accuracy)

merged_summary_op = tf.summary.merge_all()

# 數據保存器的初始化

saver = tf.train.Saver()

with tf.Session() as sess:

sess.run(tf.global_variables_initializer())

summary_writer = tf.summary.FileWriter('./tmp', graph=tf.get_default_graph())

for n in range(10):

# 每次取128(batch_size)張圖片

for i in range(num_batch):

batch_x = train_x[i*batch_size : (i+1)*batch_size]

batch_y = train_y[i*batch_size : (i+1)*batch_size]

# 開始訓練數據，同時訓練三個變量，返回三個數據

_,loss,summary = sess.run([train_step, cross_entropy, merged_summary_op],

feed_dict={x:batch_x,y_:batch_y, keep_prob_5:0.5,keep_prob_75:0.75})

summary_writer.add_summary(summary, n*num_batch+i)

# 打印損失

print(n*num_batch+i, loss)

if (n*num_batch+i) % 100 == 0:

# 獲取測試數據的準確率

acc = accuracy.eval({x:test_x, y_:test_y, keep_prob_5:1.0, keep_prob_75:1.0})

print(n*num_batch+i, acc)

# 準確率大於0.98時保存並退出

if acc > 0.98 and n > 2:

saver.save(sess, './train_faces.model', global_step=n*num_batch+i)

sys.exit(0)

print('accuracy less 0.98, exited!')

cnnTrain()

訓練之後的數據會保存在當前目錄下。

5、使用模型進行識別

最後就是讓她認識我了，很簡單，只要運行程序，讓攝像頭拍到我的臉，她就可以輕鬆地識別出是不是我了。

is_my_face.py

output = cnnLayer()

predict = tf.argmax(output, 1)

saver = tf.train.Saver()

sess = tf.Session()

saver.restore(sess, tf.train.latest_checkpoint('.'))

def is_my_face(image):

res = sess.run(predict, feed_dict={x: [image/255.0], keep_prob_5:1.0, keep_prob_75: 1.0})

if res[0] == 1:

return True

else:

return False

#使用dlib自帶的frontal_face_detector作為我們的特徵提取器

detector = dlib.get_frontal_face_detector()

cam = cv2.VideoCapture(0)

while True:

_, img = cam.read()

gray_image = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

dets = detector(gray_image, 1)

if not len(dets):

#print('Can`t get face.')

cv2.imshow('img', img)

key = cv2.waitKey(30) & 0xff

if key == 27:

sys.exit(0)

for i, d in enumerate(dets):

x1 = d.top() if d.top() > 0 else 0

y1 = d.bottom() if d.bottom() > 0 else 0

x2 = d.left() if d.left() > 0 else 0

y2 = d.right() if d.right() > 0 else 0

face = img[x1:y1,x2:y2]

# 調整圖片的尺寸

face = cv2.resize(face, (size,size))

print('Is this my face? %s' % is_my_face(face))

cv2.rectangle(img, (x2,x1),(y2,y1), (255,0,0),3)

cv2.imshow('image',img)

key = cv2.waitKey(30) & 0xff

if key == 27:

sys.exit(0)

sess.close()

寫在最後作者的話，這段時間正在學習Tensorflow的卷積神經網絡部分，為了對卷積神經網絡能夠有一個更深的瞭解，自己動手實現一個例程是比較好的方式，所以就選了一個這樣比較有點意思的項目。

關注基數智能公眾號jishu2017ai，一起加入AI技術大本營。