《人工智能基礎(chǔ)與應(yīng)用》第8章 人臉識別：機器也認識你課后習題答案

第8章人臉識別：機器也認識你

課后習題答案

一、考考你

1.一個完整的人臉識別系統(tǒng)主要包含人臉圖像采集和檢測、B、人臉圖像特征提取

和人臉識別四個部分。

A.人臉分類器B.人臉圖像預(yù)處理

C.人臉數(shù)據(jù)獲取D.人臉模型訓(xùn)練

2.刷臉支付比傳統(tǒng)密碼支付的突出優(yōu)勢是」

A.更快捷方便B.更安全

C.更容易實現(xiàn)D.成本更低

3.OpenCV庫主要應(yīng)用A領(lǐng)域的人工智能開發(fā)。

A.計算機視覺和機器學(xué)習B.人臉識別

C.深度神經(jīng)網(wǎng)絡(luò)D.圖像處理

4.下列OPenCV的哪個函數(shù)可定義一個人臉檢測器4。

A.CascadeClassifier()B.detectMultiScale()

C.predict()D.LBPHFaceRecognizejCreate()

5.關(guān)于百度PaddleHub錯誤的說法是D。

A.它是一個預(yù)訓(xùn)練模型管理工具，支持一鍵預(yù)測

B.它涵蓋了圖像分類、目標檢測、詞法和情感分析等許多主流模型

C.它有不同的版本，用戶在安裝時可以指定具體的版本

D.它的使用要有PaddlePaddle的支持

二、亮一亮

1.人臉識別驗證與傳統(tǒng)密碼驗證相比它有哪些優(yōu)勢？

參考答案：

人臉識別驗證是利用人臉視覺特征信息進行身份鑒別的計算機技術(shù)，具備自然性、非強

制性和非接觸性等特點，而且人臉識別利用的是人臉的獨一無二特性，不易被復(fù)制，識別率

高，安全性高。

2.簡述如何使用OPenCV提供的人臉分類器來檢測人臉。

參考答案：

人臉檢測是在提取人臉特征的基礎(chǔ)上進行,0PenCV中支持Haar和LBP特征的分類器，

我們以Haar分類器為例介紹人臉檢測的步驟：

1)使用以下命令安裝Pylhon版本的OPenCV第三方庫OPenCV-Python：pip?install

opencv-python,安裝好OPenCV-Python后，就會在Python的第三方模塊文件夾Site-PaCkageS

下有一個新的文件夾cv2,在cv2∕data∕下保存了許多用于檢測人臉、眼睛、微笑等訓(xùn)練好的

分類器，這些分類器以XML文件的形式存儲，如下圖所示：

>Ienovo>APPDdta>Local>Programs>Python>PylhOn37>Lib>4te*pa<kage?>cv2>data

的擔大小

_PyCaChe_2021/1/2321:49文4較

B_in?t_.py2O2I/1/?3?I49IetBtaimPyChann...1KB

?haaκastadeeyeJtml2021/1/232Γ49XML334KB

，hMi<awade_eye_tree.eyegla$se^xml2021/1/2321:49XMl文檔588KB

/haarcascadefrontaketfMexml2021/1/2321:49XML文檔402KB

?haartawadefιontakatfa<eextendedj<ml2021/1/2321:49XML文檔374KB

"haarc?uadefrontatfacealtxml2021/1/2321:49XML女秘661KB

?h?wrca?ade_hontalfate_altUcejcml2021/1/2321:49XML-2627KB

"h<Mrc<κc<!defιontdlf<κcdlt2aml2021/1/232149XML文檔S28KB

?hadrcascadeJiontdlfdtedefaultj(ml2021/1/232149XMl3Q?909KB

?haarcascddefulltχχiyjcml2021/1/2321:49XML466KB

"haartawade∣cfteye2split?xml2021/1/2321:49XMt文檔191KB

?haar<a$tdde_icence_plate_nj$_16sta<}e?j<ml2021/1/2321:49XMl文檔47KB

?haarcA?cadeIowetbodyjcml2021/1/2321:49XMLg387KB

?hβar<astadepιofiIefacexml2021/1/2321:49XMl文襠810KB

"hwrt?scaderighteye_2$pits.xml2021/1/2321:49XMl文襠192KB

?haarcawadejussianplatenumbcf.xml2021/1/2321:49XMI鴻74KB

Shaaκastddesmilej<ml2021/1/2321:49XML文檔185KB

?haar<iKCade_UPPefbOdyxml2021∕!∕2321:49XMl文檔768KB

2）Haar特征分為三類：邊緣特征、線性特征、中心特征和對角線特征，一起組合成

特征模板。Haar特征分類器的基本工作原理是：用一個子窗口在待檢測的圖片窗口中不斷

的移位滑動，子窗口每到一個位置，就會計算出該區(qū)域的Haar特征，然后用我們訓(xùn)練好的

級聯(lián)分類器對該特征進行篩選，一旦該特征通過了所有強分類器的篩選，則判定該區(qū)域為人

臉。

三、幫幫我

1.人臉關(guān)鍵點提取是人臉識別的基礎(chǔ)，請基于百度智能云開放接口編程實現(xiàn)人臉關(guān)鍵點

提取并可視化效果，如下圖8.24所示。

圖8.24人臉原圖（左圖）及人臉關(guān)鍵點可視化（右圖）

提示：

1）將請求的圖片經(jīng)Base64編碼處理形成字符串。

2）在百度智能云上創(chuàng)建人臉識別應(yīng)用，基于應(yīng)用的APlKey和SeCretKey這兩個值來

獲取訪問令牌access」Oken。

3）將圖片數(shù)據(jù)、圖片類型、面域等請求參數(shù)發(fā)送給人臉關(guān)鍵點服務(wù)URL,返回識別結(jié)

果。

4）解析識別結(jié)果，并將關(guān)鍵點坐標以圓點的形式標記在人臉的相應(yīng)位置。具體實現(xiàn)方

法可參考百度智能云官方說明文檔：https://cloud.baidu.eom/doc/FACE/s/yk37du4to

參考答案：

importrequests

importcv2

importbase64

#獲取訪問令牌access_token

ClientJd士你的AK'

Client.secret=，你的SK'

#ClientJd為你在官網(wǎng)獲取的AK,client.secret為你在官網(wǎng)獲取的SK

host='https:〃/OaUth/2.0/token?granUyPe=CIient_credentials&client_id='\

+client_id+*&client_secret-+client_secret

response=requests.get(host)

ifresponse:

,

access-token=response.json()[access-token'J

#圖片base64轉(zhuǎn)換

image_path=,face.jpg,

withopen(image_path,,rb,)asf:

image=f.read()

image_base64=str(base64.b64encode(image),encoding=,utf-8,)

#獲取人臉關(guān)鍵點

request_url=πhttps√∕∕rest∕2.0∕face∕v3∕detectπ

imageb64=image_base64

params=

”{\"image\":\"“+imageb64+“\",\"image」ype\":\"BASE64\",\"face_field\":\"facesIwpe,landmark\"}

access_token

,24.71d47eb914d09efc8c73i37ecl9cflld.2592000.l626017955.282335-2436006Γ

request_url=request_url+ZaccessJoken="+access_token

headers={,content-type':'applicatioMSOn'}

response=requests.post(request_url,data=params,headers=headers)

print('response:*,response)

ifresponse:

result=response.json()

print(,result:',result)

Iandmarks=result[,result,][,facejist,][θ][,landmark72,]

#在原始圖片上標記關(guān)鍵點

img=cv2,imread(image_path)

foriinrange(0,72):

x=int(landmarks[i][,x,])

y=int(landmarks[i][,y,])

cv2.circle(img=img,center=(x,y),radius=2,color=(0,255,0),thickness=-1)

cv2.imshow(,landmarkFace,,img)

cv2.waitKey(0)

cv2.destroyAHWindows()

UIandmarkFace—□×

2.設(shè)計一個人臉驗證系統(tǒng)，與現(xiàn)有的人臉庫進行比對，來驗證攝像頭前的人是否為合法

用戶。

參考答案：

#步驟1、人臉檢測

#打開攝像頭，監(jiān)測人臉

importcv2ascv

defface_detect(frame):

#圖片轉(zhuǎn)灰度

img_gray=cv.cvtColor(frame,cv.COLOR_BGR2GRAY)

#加載人臉分類識別器，這里的文件路徑是筆者個人路徑，讀者需要相應(yīng)替換

face_detector=

,

cv.CascadeClassifier(D√anaconda3∕Lib∕site-packages∕cv2∕data∕haarcascade-frontaiface-default.x

mΓ)

faces=face_detector.detectMultiScale(img_gray)

forx,y,w,hinfaces:

cv.rectangle(frame,(x,y),(x+w,y+h),color=(0,255,0),thickness=1)

cv.imshow("detectingM,frame)

if_name_=='_main_,:

#讀取攝像頭中的圖像，獲取圖像grabbed為true

cap=cv.VideoCapture(O)

whileTrue:

grabbed,img=cap.read()

ifgrabbed:

print(πframe:",img.shape)

else:

break

face_detect(img)

iford('q,)==cv.waitKey(10):

break

cv.destroyAΠWindows()

cap.release()

■'detecting

#步驟2、人臉采集

importcv2ascv

defface_collect(face_id,username):

print('?n正在初始化臉部識別，請保持在攝像頭前面...,)

count=0

filename=,π'

#讀取內(nèi)置攝像頭中的圖像，獲取圖像grabbed為true

cap=cv.VideoCapture(O)

#加載人臉分類識別器這里的文件路徑是筆者個人路徑，讀者需要相應(yīng)替換

face_detector=

,

cv.CascadeClassifier(D√anaconda3∕Lib∕site-packages∕cv2∕data∕haarcascade-frontalface-defaull.x

ml,)

whileTrue:

grabbed,img=cap.read()

ifgrabbed:

print(πframe:",img.shape)

else:

break

#圖片轉(zhuǎn)灰度

img_gray=cv.cvtColor(img,cv.COLOR_BGR2GRAY)

faces=face_detector.detectMultiScale(img_gray)

forx,y,w,hinfaces:

cv.rectangle(img,(x,y),(x+w,y+h),color=(0,255,0),thickness=1)

count+=1

#保存圖像的路徑，讀者可根據(jù)需要修改

filename="D:/face_data/r,+username+,'.π÷str(face_id)+,.'+str(count)+

,?jpg,

print(filename)

cv.imwrite(filename,img_gray[y:y+h,x:x+WD

cv.imshow("detecting",img)

iford('q,)==cv.waitKey(20):

break

elifcount>100:

break

cv.destroyAlIWindows()

cap.release()

if_name_=='_main_,:

userjd=input('?n輸入用戶ID,從0開始遞增:')

user_name=input('?n輸入用戶英文名

face_collect(user_id,user_name)

采集過程和圖像保存結(jié)果如下：

輸入用戶1D,從0開始遞增:0

輸入用戶英文名:Shaoshizhi

正在初始化臉部識別，請保持在攝像頭前面...

frame:(480,640,3)

D:,face_data/shaoshizhi.0.1.jpg

D:∕face-data∕shaoshizhi.0.2.jpg

frame:^480,640,3)

D:face_data/shaoshizhi.0.3.jpg

frame:(480,640,3)

D:/face_data'shaoshizhi.0.4.jpg

D:face_datashaoshizhi.0.5.jpg

frame:(480,640,3)

D:∕face.data∕shaoshizhi.0.6.jpg

frame:?480,640,3)

D:∕face-data∕shaoshizhi.0.7.jpg

t<κr.<te<4

th?o<hUhL02jt?*>?H∕hlX).JjUwxhirhiA41?h?Mhi∕MQ5J*tMKMhMv.06.jUMOtMt?iO.7JUMMhiZhLoAI

P9P9pgpgpgpαpg

JPQgagJpgjPgjPg

#3、人臉訓(xùn)練

importnumpyasnp

fromPILimportImage

importos

importcv2ascv

defface_training():

Print(”人臉訓(xùn)練，請耐心等待?.J)

#人臉圖片路徑，同步驟2保存的人臉圖片的路徑

face_path='D:/face_data/'

#opencv-contrib-python包中的函數(shù)

recognizer=cv.face.LBPHFaceRecognizer_create()

#載入人臉分類器這里的文件路徑是筆者個人路徑，讀者需要相應(yīng)替換

face_detector=

cv.CascadeClassifier(MD:/anaconda3/Lib/site-packages/cv2/data/haarcascade_frontalface_default.x

ml”)

image_paths=[os.path.join(face_path,f)forfinos.listdir(face_path)]

face_samples=[]

ids=[]

forimagePathinimage_paths:

img_gray=Image.open(imagePath).convert(,L,)

img_numpy=np.array(img_gray,,uint8,)

#圖片的命名方式xx.id.num.ext(xx為任意英文標識，id是標簽，同類人臉

id相同，num一般為該類圖片的計數(shù)，ext為圖片后綴)

#文件名中關(guān)鍵就是id,作為有監(jiān)督學(xué)習，id就是用于分類

user_id=int(os.path.split(imagePath)[-1].sρlit(',.',)[1])

print(user_id,,'",imagePath)

faces=face_detector.detectMultiScale(img_numpy)

forx,y,w,hinfaces:

face_samples.append(img_numpy[y:y+h,x:x+w])

ids.append(user_id)

recognizer.train(face_samples,np.array(ids))

#保存訓(xùn)練信息，路徑讀者可根據(jù)需要修改

,

recognizer.write(D√face-trainer∕trainer.ymΓ)

print("{0}facestrained.ExitingProgramπ.format(len(np.unique(ids))))

if—name—==,—main—':

face_training()

人臉訓(xùn)練，請耐心等待...

0D:/face__data/shaoshizhi.0.1.jpg

0D:/face_data/shaoshizhi.0.10.jpg

0D:/face_data/shaoshizhi.0.11.jpg

0D:/face_data/shaoshizhi.0.12.jpg

0D:/face-data/shaoshizhi.0.13.jpg

0D:/face_data/shaoshizhi.0.14.jpg

0D:/face_data/shaoshizhi.0.15.jpg

0D:/face_data/shaoshizhi.0.16.jpg

0D:/face_data/shaoshizhi.0.17.jpg

0D:/face_data/shaoshizhi.0.18.jpg

1D:/face_data/zhanghongqin.1.31.jpg

1D:/face_data/zhanghongqin.1.32.jpg

1D:/face-,data/Zhanghongqin.1.4.jpg

1D:∕face-data∕zhanghongqin.1.5.jpg

1D:/face-data∕zhanghongqin.1.6.jpg

1D:∕face-data/zhanghongqin.1.7.jpg

1D:/face_data/zhanghongqin.1.8.jpg

1D:/face_data/zhanghongqin.1.9.jpg

2facestrained.ExitingProgram

#步驟4、人臉識別

#從視頻中識別人臉

importcv2ascv

defface_recognition():

recognizer=cv.face.LBPHFaceRecognizer_create()

#讀取訓(xùn)練數(shù)據(jù)，路徑同步驟3訓(xùn)練文件的保存路徑

recognizer.read('D√face-trainer∕trainer.ymΓ)

#載入人臉分類器這里的文件路徑是筆者個人路徑，讀