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”
内容导读
互联网集市收集整理的这篇技术教程文章主要介绍了人脸检测及识别python实现系列（6）——终篇：从实时视频流识别出“我”，小编现在分享给大家，供广大互联网技能从业者学习和参考。文章包含4304字，纯文字阅读大概需要7分钟。
内容图文
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：
1 #识别人脸
2 def face_predict(self, image):
3 #依然是根据后端系统确定维度顺序
4 if K.image_dim_ordering() == 'th' and image.shape != (1, 3, IMAGE_SIZE, IMAGE_SIZE):
5 image = resize_image(image) #尺寸必须与训练集一致都应该是IMAGE_SIZE x IMAGE_SIZE
6 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
7 elif K.image_dim_ordering() == 'tf' and image.shape != (1, IMAGE_SIZE, IMAGE_SIZE, 3):
8 image = resize_image(image)
9 image = image.reshape((1, IMAGE_SIZE, IMAGE_SIZE, 3))
10
11 #浮点并归一化
12 image = image.astype('float32')
13 image /= 255
14
15 #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
16 result = self.model.predict_proba(image)
17 print('result:', result)
18
19 #给出类别预测：0或者1
20 result = self.model.predict_classes(image)
21
22 #返回类别预测结果
23 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：
1 #-*- coding: utf-8 -*-
2
3 import cv2
4 import sys
5 import gc
6 from face_train_use_keras import Model
7
8 if __name__ == '__main__':
9 if len(sys.argv) != 2:
10 print("Usage:%s camera_id\r\n" % (sys.argv[0]))
11 sys.exit(0)
12
13 #加载模型
14 model = Model()
15 model.load_model(file_path = './model/me.face.model.h5')
16
17 #框住人脸的矩形边框颜色
18 color = (0, 255, 0)
19
20 #捕获指定摄像头的实时视频流
21 cap = cv2.VideoCapture(int(sys.argv[1]))
22
23 #人脸识别分类器本地存储路径
24 cascade_path = "/usr/local/share/OpenCV/haarcascades/haarcascade_frontalface_alt2.xml"
25
26 #循环检测识别人脸
27 while True:
28 _, frame = cap.read() #读取一帧视频
29
30 #图像灰化，降低计算复杂度
31 frame_gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
32
33 #使用人脸识别分类器，读入分类器
34 cascade = cv2.CascadeClassifier(cascade_path)
35
36 #利用分类器识别出哪个区域为人脸
37 faceRects = cascade.detectMultiScale(frame_gray, scaleFactor = 1.2, minNeighbors = 3, minSize = (32, 32))
38 if len(faceRects) > 0:
39 for faceRect in faceRects:
40 x, y, w, h = faceRect
41
42 #截取脸部图像提交给模型识别这是谁
43 image = frame[y - 10: y + h + 10, x - 10: x + w + 10]
44 faceID = model.face_predict(image)
45
46 #如果是“我”
47 if faceID == 0:
48 cv2.rectangle(frame, (x - 10, y - 10), (x + w + 10, y + h + 10), color, thickness = 2)
49
50 #文字提示是谁
51 cv2.putText(frame,'Dady',
52 (x + 30, y + 30), #坐标
53 cv2.FONT_HERSHEY_SIMPLEX, #字体
54 1, #字号
55 (255,0,255), #颜色
56 2) #字的线宽
57 else:
58 pass
59
60 cv2.imshow("识别朕", frame)
61
62 #等待10毫秒看是否有按键输入
63 k = cv2.waitKey(10)
64 #如果输入q则退出循环
65 if k & 0xFF == ord('q'):
66 break
67
68 #释放摄像头并销毁所有窗口
69 cap.release()
70 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。
内容总结
以上是互联网集市为您收集整理的人脸检测及识别python实现系列（6）——终篇：从实时视频流识别出“我”全部内容，希望文章能够帮你解决人脸检测及识别python实现系列（6）——终篇：从实时视频流识别出“我”所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错，欢迎将互联网集市网站推荐给程序员好友。
内容备注
版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 gblab@vip.qq.com 举报，一经查实，本站将立刻删除。
内容手机端
扫描二维码推送至手机访问。