人脸检测及识别python实现系列（6）——终篇：从实时视频流识别出“我”

人脸检测及识别python实现系列（6）——终篇：从实时视频流识别出“我”

终于到了最后一步，激动时刻就要来临了，先平复一下心情，把剩下的代码加上，首先是为Model类增加一个预测函数：

     #识别人脸
     def face_predict(self, image):
         #依然是根据后端系统确定维度顺序
         if K.image_dim_ordering() == 'th' and image.shape != (1, 3, IMAGE_SIZE, IMAGE_SIZE):
             image = resize_image(image)                             #尺寸必须与训练集一致都应该是IMAGE_SIZE x IMAGE_SIZE
             image = image.reshape((1, 3, IMAGE_SIZE, IMAGE_SIZE))   #与模型训练不同，这次只是针对1张图片进行预测
         elif K.image_dim_ordering() == 'tf' and image.shape != (1, IMAGE_SIZE, IMAGE_SIZE, 3):
             image = resize_image(image)
             image = image.reshape((1, IMAGE_SIZE, IMAGE_SIZE, 3))                    

         #浮点并归一化
         image = image.astype('float32')
         image /= 255

         #给出输入属于各个类别的概率，我们是二值类别，则该函数会给出输入图像属于0和1的概率各为多少
         result = self.model.predict_proba(image)
         print('result:', result)

         #给出类别预测：0或者1
         result = self.model.predict_classes(image)        

         #返回类别预测结果
         return result[0]

这个函数是提供给外部模块使用的，外部模块用它来预测哪个是“我”，哪个不是“我”。代码很简单，注释也很详细，就不多解释了。接下来我们新建一个python文件：face_predict_use_keras.py，然后为这个文件添加如下代码：

 #-*- coding: utf-8 -*-

 import cv2
 import sys
 import gc
 from face_train_use_keras import Model

 if __name__ == '__main__':
     if len(sys.argv) != 2:
         print("Usage:%s camera_id\r\n" % (sys.argv[0]))
         sys.exit(0)

     #加载模型
     model = Model()
     model.load_model(file_path = './model/me.face.model.h5')    

     #框住人脸的矩形边框颜色
     color = (0, 255, 0)

     #捕获指定摄像头的实时视频流
     cap = cv2.VideoCapture(int(sys.argv[1]))

     #人脸识别分类器本地存储路径
     cascade_path = "/usr/local/share/OpenCV/haarcascades/haarcascade_frontalface_alt2.xml"    

     #循环检测识别人脸
     while True:
         _, frame = cap.read()   #读取一帧视频

         #图像灰化，降低计算复杂度
         frame_gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)

         #使用人脸识别分类器，读入分类器
         cascade = cv2.CascadeClassifier(cascade_path)                

         #利用分类器识别出哪个区域为人脸
         faceRects = cascade.detectMultiScale(frame_gray, scaleFactor = 1.2, minNeighbors = 3, minSize = (32, 32))
         if len(faceRects) > 0:
             for faceRect in faceRects:
                 x, y, w, h = faceRect

                 #截取脸部图像提交给模型识别这是谁
                 image = frame[y - 10: y + h + 10, x - 10: x + w + 10]
                 faceID = model.face_predict(image)   

                 #如果是“我”
                 if faceID == 0:
                     cv2.rectangle(frame, (x - 10, y - 10), (x + w + 10, y + h + 10), color, thickness = 2)

                     #文字提示是谁
                     cv2.putText(frame,'Dady',
                                 (x + 30, y + 30),                      #坐标
                                 cv2.FONT_HERSHEY_SIMPLEX,              #字体
                                 1,                                     #字号
                                 (255,0,255),                           #颜色
                                 2)                                     #字的线宽
                 else:
                     pass

         cv2.imshow("识别朕", frame)

         #等待10毫秒看是否有按键输入
         k = cv2.waitKey(10)
         #如果输入q则退出循环
         if k & 0xFF == ord('q'):
             break

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

这个就是我们的最终程序，它能够从USB拍摄的实时视频流中找出哪一个是我，先看识别结果：

执行结果符合预期，值得庆贺。至此，本系列完结。