技巧 | 总结几个简单好用的Python人脸识别算法
今天给大家总结几个简单、好用的人脸识别算法。人脸识别是计算机视觉中比较常见的技术,生活中,我们接触最多的人脸识别场景是人脸考勤,我之前还专门写过一篇人脸考勤的项目,感兴趣的朋友可以看看。
人脸识别的算法最核心的工作是从一张图片中识别出人脸的位置。识别的算法可以说是多种多样, 下面我就来为大家一一介绍下。
1. HoG人脸检测
该算法采用传统的机器学习算法来识别人脸。传统机器学习算法的特点是人工构造特征,然后将构造好的特征送入模型训练。
该算法用HoG提取图片中人脸特征,用SVM算法进行分类。
HoG(Histogram of Oriented Gradient, 方向梯度直方图)特征是一种在计算机视觉和图像处理中用来进行物体检测的特征描述子,通过计算和统计图像局部区域的梯度方向直方图来构成特征。
dlib库中有该算法的实现,下面我们看看核心代码
import dlib# 加载预训练的 HoG 人脸检测器hog_face_detector = dlib.get_frontal_face_detector()# 对图片进行人脸检测results = hog_face_detector(imgRGB, 0)for bbox in results: x1 = bbox.left() # 人脸左上角x坐标 y1 = bbox.top() # 人脸左上角y坐标 x2 = bbox.right() # 人脸右下角x坐标 y2 = bbox.bottom() # 人脸右下角y坐标
results 存放一张图中检测出来的多个人脸, 遍历results可以得到每张人脸的矩形框。
检测示例如下:
但该算法相应的缺点也很明显,检测过程所花费的时间非常长,无法在 CPU 上实时运行。
4. BlazeFace
上面的算法要么精度高、速度慢,要么速度快,精度低。那有没有一种检测算法,既有高准确率,又有高性能呢?
答案是肯定的,BlazeFace是一种非常轻量级且高度准确的人脸检测器,号称亚毫秒级的人脸检测器。其灵感来自 Single Shot MultiBox Detector (SSD) 和 MobileNetv2。
Mediapipe库提供了该算法的实现,核心代码如下:
import mediapipe as mp# 画图工具mp_drawing = mp.solutions.drawing_utils# 初始化人脸检测模型mp_face_detection = mp.solutions.face_detectionmp_face_detector = mp_face_detection.FaceDetection(min_detection_confidence=0.4)results = mp_face_detector.process(imgRGB)if results.detections: # 变脸检测出的人脸 for face_no, face in enumerate(results.detections): # 画人脸关键点 mp_drawing.draw_detection(image=output_image, detection=face, keypoint_drawing_spec=mp_drawing.DrawingSpec(color=(0,255,0),thickness=-1, circle_radius=image_width//115), bbox_drawing_spec=mp_drawing.DrawingSpec(color=(0,255,0),thickness=image_width//180)) # 画人脸框 face_bbox = face.location_data.relative_bounding_box x1 = int(face_bbox.xmin*image_width) y1 = int(face_bbox.ymin*image_height) cv2.rectangle(output_image, pt1=(x1, y1-image_width//20), pt2=(x1+image_width//16, y1), color=(0, 255, 0), thickness=-1)
效果如下: