人工智能基礎(chǔ)與應(yīng)用（第2版）（微課版）課件 模塊8 人臉識(shí)別：機(jī)器也認(rèn)識(shí)你

8-1人臉識(shí)別基礎(chǔ)模塊?人臉識(shí)別：機(jī)器也認(rèn)識(shí)你目錄CONTENTS人臉識(shí)別技術(shù)發(fā)展簡(jiǎn)史01人臉識(shí)別系統(tǒng)02人臉識(shí)別關(guān)鍵技術(shù)03一.人臉識(shí)別技術(shù)發(fā)展簡(jiǎn)史1.技術(shù)發(fā)展簡(jiǎn)史一.人臉識(shí)別技術(shù)發(fā)展簡(jiǎn)史2.典型方法及精度二.人臉識(shí)別系統(tǒng)1.人臉圖像采集及檢測(cè)人臉檢測(cè)采集人臉數(shù)據(jù)二.人臉識(shí)別系統(tǒng)2.人臉圖像預(yù)處理圖像預(yù)處理人臉?lè)稣?、圖像增強(qiáng)歸一化處等二.人臉識(shí)別系統(tǒng)3.人臉圖像特征提取利用人臉關(guān)鍵部位的幾何特征和它們之間結(jié)構(gòu)關(guān)系的幾何描述，以區(qū)分不同的人臉二.人臉識(shí)別系統(tǒng)4.人臉圖像識(shí)別按某種機(jī)器學(xué)習(xí)算法將此特征向量與數(shù)據(jù)庫(kù)中存儲(chǔ)的特征模板進(jìn)行匹配。設(shè)定一個(gè)閾值，如果兩特征向量非常相似，當(dāng)相似度超過(guò)這個(gè)閾值時(shí)，則找到待識(shí)別對(duì)象，輸出匹配結(jié)果。三.人臉識(shí)別關(guān)鍵技術(shù)1.人臉檢測(cè)后處理融合技術(shù)將這些屬于一張人臉的多個(gè)識(shí)別框融合為一個(gè)識(shí)別框三.人臉識(shí)別關(guān)鍵技術(shù)2.人臉特征提取一種常見(jiàn)的做法是對(duì)人臉的關(guān)鍵點(diǎn)（如眼睛、眉毛、嘴唇及鼻子輪廓等）使用某種特征提取算法，將關(guān)鍵點(diǎn)坐標(biāo)與預(yù)定模式進(jìn)行比較，然后計(jì)算人臉的特征值。當(dāng)然還有深度學(xué)習(xí)方法來(lái)提取特征三.人臉識(shí)別關(guān)鍵技術(shù)3.人臉識(shí)別人臉比對(duì)人臉?biāo)阉魅斯ぶ悄芑A(chǔ)與應(yīng)用Thankyouverymuch!8-2認(rèn)識(shí)OpenCV模塊?人臉識(shí)別：機(jī)器也認(rèn)識(shí)你目錄CONTENTSOpenCV的框架結(jié)構(gòu)01OpenCV中的人臉?lè)诸惼?2一.OpenCV的框架結(jié)構(gòu)1.官網(wǎng)一.OpenCV的框架結(jié)構(gòu)2.基本框架結(jié)構(gòu)一.OpenCV的框架結(jié)構(gòu)3.主要模塊功能二.OpenCV中的人臉?lè)诸惼?.OpenCV安裝二.OpenCV中的人臉?lè)诸惼?.常用分類器人工智能基礎(chǔ)與應(yīng)用Thankyouverymuch!8-3項(xiàng)目1—照片智能搜索模塊?人臉識(shí)別：機(jī)器也認(rèn)識(shí)你目錄CONTENTS提出問(wèn)題01預(yù)備知識(shí)03解決方案02任務(wù)1—訓(xùn)練人臉識(shí)別模型04任務(wù)2—利用訓(xùn)練好的模型來(lái)搜索照片05一.提出問(wèn)題問(wèn)題描述

隨著人們生活水平的提高和手機(jī)照相功能的日趨完善，人們可以隨自己心意拍攝照片，不知不覺(jué)之中，每個(gè)人都保存了大量的生活照片。然而，每當(dāng)想重溫照片或者想分享一張?zhí)貏e滿意的照片時(shí)，從眾多的照片中一遍遍翻找的確是一件費(fèi)時(shí)費(fèi)力的事情。能否借助AI的人臉識(shí)別技術(shù)來(lái)幫助人們自動(dòng)整理照片，實(shí)現(xiàn)照片的智能搜索呢二.解決方案2.具體方案三.預(yù)備知識(shí)1.人臉?lè)诸惼魅?預(yù)備知識(shí)1.人臉?lè)诸惼魅四樀臋z測(cè)結(jié)果人臉的位置及大小數(shù)據(jù)三.預(yù)備知識(shí)2.人臉識(shí)別算法（1）EigenFace算法基本思想：把人臉從像素空間變換到另一個(gè)空間，在另一個(gè)空間中做相似性的計(jì)算。該算法首先選擇一個(gè)合適的子空間，將所有的圖像變換到這個(gè)子空間中，然后在這個(gè)子空間中衡量相似性或者進(jìn)行分類學(xué)習(xí)。它利用主成分分析（PrincipalComponentAnalysis，PCA）得到人臉?lè)植嫉闹饕煞?，?duì)訓(xùn)練集中所有人臉圖像的協(xié)方差矩陣進(jìn)行特征值分解，得到對(duì)應(yīng)的特征向量，這些特征向量就是“特征臉”。（2）FisherFace算法FisherFace算法是基于線性判別分析（LinearDiscriminantAnalysis，LDA）算法實(shí)現(xiàn)的，基本思想是：將高維樣本數(shù)據(jù)投影到最佳分類的向量空間，保證數(shù)據(jù)在新的子空間中有更大的類間距離和更小的類內(nèi)距離。（3）LBPHFace算法局部二進(jìn)制編碼直方圖（LocalBinaryPatternsHistograms，LBPH）是基于提取圖像特征的LBP算子，該算法的大致思路是：先使用LBP算子提取圖像特征，這樣可以獲取整個(gè)圖像的LBP編碼圖像；再將該LBP編碼圖像分為若干個(gè)區(qū)域，獲取每個(gè)區(qū)域的LBP編碼直方圖，從而得到整個(gè)圖像的LBP編碼直方圖。三.預(yù)備知識(shí)2.人臉識(shí)別算法使用人臉識(shí)別模型前，要執(zhí)行以下命令安裝OpenCV的擴(kuò)展包首選人臉識(shí)別算法三.預(yù)備知識(shí)2.人臉識(shí)別算法三.預(yù)備知識(shí)2.人臉識(shí)別算法執(zhí)行結(jié)果四.任務(wù)1——訓(xùn)練人臉識(shí)別模型1.構(gòu)建一個(gè)人臉?lè)诸惼鞫x實(shí)現(xiàn)人臉檢測(cè)功能的函數(shù)四.任務(wù)1——訓(xùn)練人臉識(shí)別模型2.生成目標(biāo)人臉數(shù)據(jù)的訓(xùn)練集人臉數(shù)據(jù)人臉標(biāo)簽四.任務(wù)1——訓(xùn)練人臉識(shí)別模型3.訓(xùn)練人臉識(shí)別模型保存模型已備后用五.任務(wù)2——利用訓(xùn)練好的模型來(lái)搜索照片1.加載訓(xùn)練好的模型初始化人臉識(shí)別方法，讀取訓(xùn)練好的模型文件，將其作為識(shí)別照片的人臉?lè)诸惼?。?任務(wù)2——利用訓(xùn)練好的模型來(lái)搜索照片1.加載訓(xùn)練好的模型初始化人臉識(shí)別方法，讀取訓(xùn)練好的模型文件，將其作為識(shí)別照片的人臉?lè)诸惼?。?任務(wù)2——利用訓(xùn)練好的模型來(lái)搜索照片2.在照片集中搜索要找的照片定義搜索函數(shù)五.任務(wù)2——利用訓(xùn)練好的模型來(lái)搜索照片2.在照片集中搜索要找的照片執(zhí)行搜索：搜索結(jié)果：找到6張目標(biāo)人物相片人工智能基礎(chǔ)與應(yīng)用Thankyouverymuch!8-4項(xiàng)目2—安全帽檢測(cè)賦能安全管理模塊?人臉識(shí)別：機(jī)器也認(rèn)識(shí)你目錄CONTENTS提出問(wèn)題01預(yù)備知識(shí)03解決方案02任務(wù)1—準(zhǔn)備訓(xùn)練模型用的樣本集04任務(wù)3—檢測(cè)視頻中的人員是否佩戴安全帽06任務(wù)2—訓(xùn)練YOLOv10s模型05一.提出問(wèn)題問(wèn)題描述建筑工地、化工工廠、礦山作業(yè)等復(fù)雜場(chǎng)景下要求工作人員必須佩戴安全帽，這一舉措不僅事關(guān)每位人員的生命安全，還是企業(yè)安全生產(chǎn)的基本保障。然而，在實(shí)際生活和工作中，總有一些人抱著僥幸的心理，違規(guī)不戴安全帽，置自己生命于不顧，給本人、企業(yè)帶來(lái)較大的安全隱患。為及時(shí)、有效地提醒工作人員佩戴安全帽，最大限度保障生命財(cái)產(chǎn)安全，是否可以運(yùn)用計(jì)算機(jī)視覺(jué)設(shè)計(jì)一個(gè)安全帽智能檢測(cè)系統(tǒng)賦能這方面的安全防范工作呢二.解決方案具體方案基于YoloV10的解決方案三.預(yù)備知識(shí)1.YOLOv10簡(jiǎn)介YOLOv10是基于UltralyticsPython軟件包開(kāi)發(fā)的，以較低的計(jì)算需求實(shí)現(xiàn)了最先進(jìn)的性能，為實(shí)時(shí)目標(biāo)檢測(cè)提供了一種新方法三.預(yù)備知識(shí)1.YOLOv10簡(jiǎn)介YOLOv10模型測(cè)試結(jié)果預(yù)訓(xùn)模型的80個(gè)識(shí)別類別三.預(yù)備知識(shí)2.淺嘗YOLOv10的預(yù)訓(xùn)練模型（1）創(chuàng)建Python虛擬環(huán)境創(chuàng)建運(yùn)行環(huán)境yolo10的結(jié)果激活運(yùn)行環(huán)境yolo0三.預(yù)備知識(shí)2.淺嘗YOLOv10的預(yù)訓(xùn)練模型（2）安裝YOLOv10的相關(guān)包（3）下載預(yù)訓(xùn)模型（4）模型檢測(cè)①方法1：命令方式三.預(yù)備知識(shí)2.淺嘗YOLOv10的預(yù)訓(xùn)練模型命令執(zhí)行結(jié)果打開(kāi)predict文件夾，發(fā)現(xiàn)里面的所有圖像都進(jìn)行了標(biāo)注三.預(yù)備知識(shí)2.淺嘗YOLOv10的預(yù)訓(xùn)練模型②方法2：代碼行方式目標(biāo)檢測(cè)結(jié)果三.預(yù)備知識(shí)2.淺嘗YOLOv10的預(yù)訓(xùn)練模型三.預(yù)備知識(shí)2.淺嘗YOLOv10的預(yù)訓(xùn)練模型三.預(yù)備知識(shí)2.淺嘗YOLOv10的預(yù)訓(xùn)練模型四.任務(wù)1——準(zhǔn)備訓(xùn)練模型用的樣本集1.標(biāo)注圖像

樣本圖像（左圖）標(biāo)注后的內(nèi)容（右圖）四.任務(wù)1——準(zhǔn)備訓(xùn)練模型用的樣本集2.分割訓(xùn)練集和驗(yàn)證集四.任務(wù)1——準(zhǔn)備訓(xùn)練模型用的樣本集2.分割訓(xùn)練集和驗(yàn)證集五.任務(wù)2——訓(xùn)練YOLOv10s模型1.配置data.yaml文件五.任務(wù)2——訓(xùn)練YOLOv10s模型2.訓(xùn)練模型配置了兩塊NVIDIAQuadroRTX4000GPU的DELL服務(wù)器提供算力五.任務(wù)2——訓(xùn)練YOLOv10s模型2.訓(xùn)練模型模型訓(xùn)練結(jié)果五.任務(wù)2——訓(xùn)練YOLOv10s模型2.訓(xùn)練模型主要評(píng)估指標(biāo)的變化情況六.任務(wù)3——檢測(cè)視頻中的人員是否佩戴安全帽1.構(gòu)建識(shí)別模型并打開(kāi)攝像頭六.任務(wù)3——檢測(cè)視頻中的人員是否佩戴安全帽2.定義視頻幀繪圖函數(shù)六.任務(wù)3——檢測(cè)視頻中的人員是否佩戴安全帽3.檢測(cè)每幀圖像中人員是否佩戴安全帽六.任務(wù)3——檢測(cè)視頻中的人員是否佩戴安全帽