人工智能学习

人工智能导论:人脸识别——Dlib人脸检测

本文主要是介绍人工智能导论:人脸识别——Dlib人脸检测,对大家解决编程问题具有一定的参考价值,需要的程序猿们随着小编来一起学习吧!

题外话

我牙齿好痛啊!我牙齿好痛啊!我牙齿好痛啊!

注意:本博客仅供参考!

第一关:HOG特征描述方法

任务描述

本关任务:学习HOG特征的描述方法,并计算一张图片的HOG特征。

编程任务

请在右侧编辑器中的BEGIN-END之间编写代码,完成如下要求:

1.声明OpenCV中的HOG特征描述方法;

2.调用该方法计算指定图片的HOG特征。

测试说明

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。

代码

import cv2
import numpy as np
'''****************BEGIN****************'''
img = cv2.imread("step1/image/girl1.jpg")
# 计算图片的HOG特征
hog = cv2.HOGDescriptor()
feature = hog.compute(img)
print(feature)
'''**************** END ****************'''

第二关:训练人脸检测模型

任务描述

本关任务:使用Dlib,自己动手训练一个人脸检测模型。

编程要求

恭喜你学习完如何训练自己的人脸检测器,现在,请根据提示,在右侧编辑器中的BEGIN-END之间编写代码,完成如下要求:

·定义模型训练需要的参数, 其中:add_left_right_image_flips设置为True,SVM的惩罚因子C设置为5,CPU核数num_threads设置为4,be_verbose属性设置为假(False);

·训练模型,将模型保存到step2/my-detector.svm中;

·在测试集上测试模型的效果。

测试说明

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。

代码

import dlib
import os
# 数据集路径
faces_folder = "step2/data/dlib_example_faces"
'''****************BEGIN****************'''
# 1. 定义模型训练需要的参数
# 2.参数设定 
options = dlib.simple_object_detector_training_options()
options.C = 5
options.add_left_right_image_flips = True
options.be_verbose = False
options.num_threads = 4
'''**************** END ****************'''
# 3. 调用训练模型函数
# 训练集xml路径
training_xml_path = os.path.join( faces_folder, "training.xml")
'''****************BEGIN****************'''
# save_model_path记录模型保存的位置,请不要修改
save_model_path ="step2/my-detector.svm"
# 训练模型
dlib.train_simple_object_detector(training_xml_path, save_model_path, options)
'''**************** END ****************'''
# 在测试集上检验测试结果
testing_xml_path = os.path.join(faces_folder, "testing.xml")
print("Testing accuracy: {}".format(dlib.test_simple_object_detector(testing_xml_path, save_model_path)))

第三关:检测并绘制人脸区域

任务描述

本关任务:绘制图片中的人脸区域并保存绘制后的图片。

编程要求

根据提示,在右侧编辑器补充代码,完成人脸检测并使用OpenCV绘制人脸区域,并保存图片到指定路径。具体任务如下:

·加载官方dlib人脸检测器;

·调用检测器检测指定图片中的人脸;

·使用OpenCV绘制人脸区域。

测试说明

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。

代码

import cv2
import dlib
# 读取图片
img = cv2.imread('step3/image/faces.jpg')
'''****************BEGIN****************'''
# 加载官方dlib人脸检测器
detector = dlib.get_frontal_face_detector()
# 获取到图片中所有的人脸的区域,保存在dets中
dets = detector(img, 1)
'''**************** END ****************'''
print("检测到的人脸数目: {}".format(len(dets)))
for i, d in enumerate(dets):
    print("所在区域: {}: Left: {} Top: {} Right: {} Bottom: {}".format(i, d.left(), d.top(), d.right(), d.bottom()))
    '''****************BEGIN****************'''
    # 绘制人脸区域
    cv2.rectangle(img,(d.left(), d.top()),(d.right(), d.bottom()),(0,0,255),2)
    '''**************** END ****************'''
# 保存图片
cv2.imwrite("step3/out/new_image.jpg",img)
这篇关于人工智能导论:人脸识别——Dlib人脸检测的文章就介绍到这儿,希望我们推荐的文章对大家有所帮助,也希望大家多多支持为之网!