发布时间:2022-11-23 14:00
感谢弦弦子的一位粉丝
本关任务:
1.理解如何计算特征向量;
2.理解如何计算向量与向量间的欧氏距离;
3.理解如何识别人脸。
请在右侧编辑器中的BEGIN-END之间编写代码,使用Dlib识别人脸并输出识别结果:
·计算已知图片所有人脸特征向量;
·计算待识别图片与已知图片特征向量间的欧氏距离;
·打印识别结果。
补充完代码后,点击测评,平台会对你编写的代码进行测试,当你的结果与预期输出一致时,即为通过。
import os
import dlib
import glob
import numpy as np
import cv2
predictor_path = 'step1/model/shape_predictor_5_face_landmarks.dat'
face_rec_model_path = 'step1/model/dlib_face_recognition_resnet_model_v1.dat'
known_image_path = 'step1/image/known_image'
test_image_path = "step1/image/test_image"
detector = dlib.get_frontal_face_detector()
predictor = dlib.shape_predictor(predictor_path)
'''****************BEGIN****************'''
# 加载人脸识别模型
facerec = dlib.face_recognition_model_v1(face_rec_model_path)
'''**************** END ****************'''
descriptors = []
names = ["TongDaWei","XiaYu","ZhangYiShan"]
# 计算已知图片的特征向量
for f in glob.glob(os.path.join(known_image_path, "*.jpg")):
img = dlib.load_rgb_image(f)
# 1.人脸检测
dets = detector(img, 1)
for k, d in enumerate(dets):
'''****************BEGIN****************'''
# 2.关键点检测
shape = predictor(img, d)
# 3.特征向量
face_descriptor = facerec.compute_face_descriptor(img, shape)
# 转换为numpy array
v = np.array(face_descriptor)
descriptors.append(v)
'''**************** END ****************'''
for f in glob.glob(os.path.join(test_image_path, "*.jpg")):
img = dlib.load_rgb_image(f)
dets = detector(img, 1)
for k, d in enumerate(dets):
'''****************BEGIN****************'''
shape = predictor(img, d)
face_descriptor = facerec.compute_face_descriptor(img, shape)
# 当前待识别的图片特征向量为current
current = np.array(face_descriptor)
'''**************** END ****************'''
# 计算欧式距离,识别人脸
tolerance = 0.4
current_name = "Unknow"
'''****************BEGIN****************'''
# 输出识别的结果
for i in range(len(descriptors)):
distance = np.linalg.norm(descriptors[i]-current)
if distance<tolerance:
#names用于存放于已知人脸特征向量对应的名字
current_name = names[i]
break
print("当前图片识别结果为:"+current_name)
'''**************** END ****************'''
本关任务:绘制人脸识别结果。
请在右侧编辑器中的BEGIN-END之间编写代码,使用OpenCV绘制人脸识别结果,并保存图片到指定路径:
·绘制人脸区域,边框颜色为(0,0,255),边框粗度为2;
·将文字内容放在(d.left(),d.bottom+13)处;
·文字内容为识别的结果;
·字体为cv2.FONT_HERSHEY_PLAIN;
·字体颜色为(255,0,0);
·字体倍数为0.5;
·字体厚度为1。
补充完代码后,点击测评,平台会对你编写的代码进行测试,当你的结果与预期输出一致时,即为通过。
import os
import dlib
import glob
import numpy as np
import cv2
predictor_path = 'step1/model/shape_predictor_5_face_landmarks.dat'
face_rec_model_path = 'step1/model/dlib_face_recognition_resnet_model_v1.dat'
known_image_path = 'step1/image/known_image'
test_image_path = "step1/image/test_image"
detector = dlib.get_frontal_face_detector()
predictor = dlib.shape_predictor(predictor_path)
facerec = dlib.face_recognition_model_v1(face_rec_model_path)
descriptors = []
names = ["TongDaWei","XiaYu","ZhangYiShan"]
for f in sorted(glob.glob(os.path.join(known_image_path, "*.jpg"))):
img = dlib.load_rgb_image(f)
# 1.人脸检测
dets = detector(img, 1)
for k, d in enumerate(dets):
# 2.关键点检测
shape = predictor(img, d)
# 3.描述子提取,128D向量
face_descriptor = facerec.compute_face_descriptor(img, shape)
# 转换为numpy array
v = np.array(face_descriptor)
descriptors.append(v)
count = 0
for f in sorted(glob.glob(os.path.join(test_image_path, "*.jpg"))):
img = dlib.load_rgb_image(f)
dets = detector(img, 1)
for k, d in enumerate(dets):
shape = predictor(img, d)
face_descriptor = facerec.compute_face_descriptor(img, shape)
# 当前待识别的图片特征向量为current
current = np.array(face_descriptor)
# 计算欧式距离,识别人脸
tolerance = 0.4
current_name = "Unknow"
for i in range(len(descriptors)):
distance = np.linalg.norm(descriptors[i]-current)
if distance<tolerance:
#names用于存放于已知人脸特征向量对应的名字
current_name = names[i]
break
'''****************BEGIN****************'''
# 绘制人脸区域
cv2.rectangle(img,(d.left(), d.top()),(d.right(), d.bottom()),(0,0,255),2)
# 在图片上添加文字
font = cv2.FONT_HERSHEY_DUPLEX
cv2.putText(img, current_name, (d.left(), d.bottom() + 13), font, 0.5, (255, 0, 0), 1)
'''**************** END ****************'''
# 保存图片
count = count+1
cv2.imwrite("step2/image/out/"+str(count)+".jpg",cv2.cvtColor(img,cv2.COLOR_RGB2BGR))
oracledb_exporter监控Oracle,一个入侵性极低的监控方案。
把一个人的特点写具体作文_五年级把一个人的特点写具体作文500字5篇
JAVA面试都有Spring考题,还有必要去考Spring认证(证书)吗?
使用 jMeter 对 SAP Spartacus 进行并发性能测试
uni-app实战之社区交友APP(15)聊天功能开发和后端API部署
vue3常见问题及解决方案(四)父组件切换行,然后子组件切换tab,子组件内的数据不刷新
android 即时聊天源码websocket,基于WebSocket实现的Android和H5聊天通讯实例【附效果图附所有源码】使用的源码...