訂閱
糾錯(cuò)
加入自媒體

基于Python+Keras+OpenCV實(shí)現(xiàn)實(shí)時(shí)人臉活體檢測

def isBlinking(history, maxFrames):    """ @history: A string containing the history of eyes status          where a '1' means that the eyes were closed and '0' open.        @m(xù)axFrames: The maximal number of successive frames where an eye is closed """    for i in range(maxFrames):        pattern = '1' + '0'*(i+1) + '1'        if pattern in history:            return True    return False3.活體的人臉識(shí)別我們幾乎擁有了建立“真實(shí)”人臉識(shí)別算法的所有要素,我們只需要一種實(shí)時(shí)檢測人臉和眼睛的方法。我使用openCV預(yù)先訓(xùn)練的Haar級聯(lián)分類器來完成這些任務(wù)。有關(guān)Haar cascade人臉和眼睛檢測的更多信息,我強(qiáng)烈建議你閱讀openCV的這篇強(qiáng)大的文章。https://docs.opencv.org/3.4.3/d7/d8b/tutorial_py_face_detection.htmldef detect_and_display(model, video_capture, face_detector, open_eyes_detector, left_eye_detector, right_eye_detector, data, eyes_detected):        frame = video_capture.read()        # 調(diào)整框架大小        frame = cv2.resize(frame, (0, 0), fx=0.6, fy=0.6)

gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)        rgb = cv2.cvtColor(frame, cv2.COLOR_BGR2RGB)

# 檢測人臉        faces = face_detector.detectMultiScale(            gray,            scaleFactor=1.2,            minNeighbors=5,            minSize=(50, 50),            flags=cv2.CASCADE_SCALE_IMAGE        )

# 對于每個(gè)檢測到的臉        for (x,y,w,h) in faces:            # 將人臉編碼為128維嵌入向量            encoding = face_recognition.face_encodings(rgb, [(y, x+w, y+h, x)])[0]

# 將向量與所有已知的人臉編碼進(jìn)行比較            matches = face_recognition.compare_faces(data["encodings"], encoding)

# 目前我們不知道該人的名字            name = "Unknown"

# 如果至少有一次匹配:            if True in matches:                matchedIdxs = [i for (i, b) in enumerate(matches) if b]                counts = {}                for i in matchedIdxs:                    name = data["names"][i]                    counts[name] = counts.get(name, 0) + 1

# 匹配次數(shù)最多的已知編碼對應(yīng)于檢測到的人臉名稱                name = max(counts, key=counts.get)

face = frame[y:y+h,x:x+w]            gray_face = gray[y:y+h,x:x+w]

eyes = []

# 眼睛檢測            # 首先檢查眼睛是否睜開(考慮到眼鏡)            open_eyes_glasses = open_eyes_detector.detectMultiScale(gray_face,scaleFactor=1.1,minNeighbors=5,minSize=(30, 30),flags = cv2.CASCADE_SCALE_IMAGE            )  # 如果open_eyes_glasses檢測到眼睛,則眼睛睜開 if len(open_eyes_glasses) == 2: eyes_detected[name]+='1' for (ex,ey,ew,eh) in open_eyes_glasses:                    cv2.rectangle(face,(ex,ey),(ex+ew,ey+eh),(0,255,0),2)

# 否則嘗試使用left和right_eye_detector檢測眼睛    # 以檢測到睜開和閉合的眼睛  else:  # 將臉分成左右兩邊    left_face = frame[y:y+h, x+int(w/2):x+w]     left_face_gray = gray[y:y+h, x+int(w/2):x+w]

right_face = frame[y:y+h, x:x+int(w/2)]                right_face_gray = gray[y:y+h, x:x+int(w/2)]

# 檢測左眼                left_eye = left_eye_detector.detectMultiScale(                    left_face_gray,                    scaleFactor=1.1,                    minNeighbors=5,                    minSize=(30, 30),                    flags = cv2.CASCADE_SCALE_IMAGE                )

# 檢測右眼                right_eye = right_eye_detector.detectMultiScale(                    right_face_gray,                    scaleFactor=1.1,                    minNeighbors=5,                    minSize=(30, 30),                    flags = cv2.CASCADE_SCALE_IMAGE                )

eye_status = '1' # we suppose the eyes are open

# 檢查每只眼睛是否閉合。                # 如果有人閉著眼睛,我們得出結(jié)論是閉著眼睛                for (ex,ey,ew,eh) in right_eye:                    color = (0,255,0)                    pred = predict(right_face[ey:ey+eh,ex:ex+ew],model)                    if pred == 'closed':                        eye_status='0'                        color = (0,0,255)                    cv2.rectangle(right_face,(ex,ey),(ex+ew,ey+eh),color,2)                for (ex,ey,ew,eh) in left_eye:                    color = (0,255,0)                    pred = predict(left_face[ey:ey+eh,ex:ex+ew],model)                    if pred == 'closed':                        eye_status='0'                        color = (0,0,255)                    cv2.rectangle(left_face,(ex,ey),(ex+ew,ey+eh),color,2)                eyes_detected[name] += eye_status

# 每次,我們都會(huì)檢查該人是否眨眼            # 如果是,我們顯示其名字            if isBlinking(eyes_detected[name],3):                cv2.rectangle(frame, (x, y), (x+w, y+h), (0, 255, 0), 2)

# 顯示名字                y = y - 15 if y - 15 > 15 else y + 15                cv2.putText(frame, name, (x, y), cv2.FONT_HERSHEY_SIMPLEX,0.75, (0, 255, 0), 2)

return frame上面的功能是用于檢測和識(shí)別真實(shí)人臉的代碼,它接受以下參數(shù):model:我們的睜眼/閉眼分類器video_capture:流視頻face_detector:Haar級聯(lián)的人臉分類器。我使用了haarcascade_frontalface_alt.xmlopen_eyes_detector:Haar級聯(lián)睜眼分類器。我使用了haarcascade_eye_tree_eyeglasses.xmlleft_eye_detector:Haar級聯(lián)的左眼分類器。我使用了haarcascade_lefteye_2splits.xml,它可以檢測睜眼或閉眼。right_eye_detector:Haar級聯(lián)的右眼分類器。我使用了haarcascade_righteye_2splits.xml,它可以檢測睜眼或閉眼。data:已知編碼和已知名稱的字典eyes_detected:包含每個(gè)名稱的眼睛狀態(tài)歷史記錄的字典。在第2-4行,我們從網(wǎng)絡(luò)攝像頭流中獲取一個(gè)幀,然后調(diào)整其大小以加快計(jì)算速度。在第10行,我們從幀中檢測人臉,然后在第21行,我們將其編碼為128-d矢量。在第23-38行,我們將這個(gè)向量與已知的人臉編碼進(jìn)行比較,并通過計(jì)算匹配的次數(shù)來確定此人的姓名,選擇匹配次數(shù)最多的一個(gè)。從第45行開始,我們試著探測眼睛進(jìn)入人臉框。首先,我們嘗試用睜眼檢測器來檢測睜眼,如果探測器探測成功,則在第54行,將“1”添加到眼睛狀態(tài)歷史記錄中,這意味著眼睛是睜開的,因?yàn)楸犻_的眼睛探測器無法檢測到閉著的眼睛;否則,如果第一個(gè)分類器失。ǹ赡苁且?yàn)檠劬κ情]著的,或者僅僅是因?yàn)樗荒茏R(shí)別眼睛),則使用左眼和右眼檢測器,人臉被分為左右兩側(cè),以便對各個(gè)探測器進(jìn)行分類。從第92行開始,提取眼睛部分,訓(xùn)練后的模型預(yù)測眼睛是否閉合,如果檢測到一只眼睛閉著,則兩眼都將被預(yù)測為閉著,并將“0”添加到眼睛狀態(tài)歷史記錄中;否則就可以斷定眼睛是睜開的。最后,在第110行,is blinking()函數(shù)用于檢測眨眼,如果該人眨眼,則顯示姓名。整個(gè)代碼都可以在我的github帳戶上找到。

<上一頁  1  2  
聲明: 本文由入駐維科號(hào)的作者撰寫,觀點(diǎn)僅代表作者本人,不代表OFweek立場。如有侵權(quán)或其他問題,請聯(lián)系舉報(bào)。

發(fā)表評論

0條評論,0人參與

請輸入評論內(nèi)容...

請輸入評論/評論長度6~500個(gè)字

您提交的評論過于頻繁,請輸入驗(yàn)證碼繼續(xù)

  • 看不清,點(diǎn)擊換一張  刷新

暫無評論

暫無評論

人工智能 獵頭職位 更多
掃碼關(guān)注公眾號(hào)
OFweek人工智能網(wǎng)
獲取更多精彩內(nèi)容
文章糾錯(cuò)
x
*文字標(biāo)題:
*糾錯(cuò)內(nèi)容:
聯(lián)系郵箱:
*驗(yàn) 證 碼:

粵公網(wǎng)安備 44030502002758號(hào)