實現(xiàn)功能： 載入LFW數(shù)據(jù)集的每張圖片，作為比對數(shù)據(jù)庫。采集攝像頭中的人臉進(jìn)行比對，計算出與你最像的人

LFW （LFW(Labeled Faces in the Wild Home）
lfw數(shù)據(jù)集是為了研究 非限制環(huán)境下的人臉識別問題而建立。LFW 數(shù)據(jù)庫主要是從互聯(lián)網(wǎng)上搜集圖像，而不是實驗室，一共含有13000 多張人臉圖像，每張圖像都被標(biāo)識出對應(yīng)的人的名字。
LFW數(shù)據(jù)集主要測試人臉識別的準(zhǔn)確率，該數(shù)據(jù)庫從中隨機(jī)選擇了6000對人臉組成了人臉辨識圖片對，其中3000對屬于同一個人2張人臉照片，3000對屬于不同的人每人1張人臉照片。測試過程LFW給出一對照片，詢問測試中的系統(tǒng)兩張照片是不是同一個人，系統(tǒng)給出“是”或“否”的答案。通過6000對人臉測試結(jié)果的系統(tǒng)答案與真實答案的比值可以得到人臉識別準(zhǔn)確率。 這個集合被廣泛應(yīng)用于評價 face verification算法的性能。

代碼實現(xiàn)

# LFW數(shù)據(jù)集加載識別人臉 import face_recognition import cv2 import os import numpy as npdef face(path):#存儲知道人名列表known_names=[] #存儲知道的特征值known_encodings=[]cnt = 0cnt_error = 0for image_name in os.listdir(path):for real_image in os.listdir(path+image_name): cnt = cnt + 1 load_image = face_recognition.load_image_file(path+image_name+'/'+real_image) #加載圖片if not len(face_recognition.face_encodings(load_image)): cnt_error = cnt_error+1print(cnt_error,"pictures can't be recognized")else:image_face_encoding = face_recognition.face_encodings(load_image)[0] #獲得128維特征值known_names.append(image_name)known_encodings.append(image_face_encoding)if cnt%10 ==0: print(cnt,'pictures loaded') print(cnt,'pictures succesfully loaded.')#打開攝像頭，0表示內(nèi)置攝像頭video_capture = cv2.VideoCapture(0) process_this_frame = Truewhile True:ret, frame = video_capture.read()# opencv的圖像是BGR格式的，而我們需要是的RGB格式的，因此需要進(jìn)行一個轉(zhuǎn)換。rgb_frame = frame[:, :, ::-1]if process_this_frame:face_locations = face_recognition.face_locations(rgb_frame)#獲得所有人臉位置face_encodings = face_recognition.face_encodings(rgb_frame, face_locations) #獲得人臉特征值face_names = [] #存儲出現(xiàn)在畫面中人臉的名字for face_encoding in face_encodings: distance_list = face_recognition.face_distance(known_encodings,face_encoding)idx=np.argmin(distance_list)name = known_names[idx]face_names.append(name)process_this_frame = not process_this_frame# 將捕捉到的人臉顯示出來for (top, right, bottom, left), name in zip(face_locations, face_names):cv2.rectangle(frame, (left, top), (right, bottom), (0, 0, 255), 2) # 畫人臉矩形框# 加上人名標(biāo)簽cv2.rectangle(frame, (left, bottom - 35), (right, bottom), (0, 0, 255), cv2.FILLED)font = cv2.FONT_HERSHEY_DUPLEX cv2.putText(frame, name, (left + 6, bottom - 6), font, 1.0, (255, 255, 255), 1)cv2.imshow('frame', frame)if cv2.waitKey(1) & 0xFF == ord('q'):breakvideo_capture.release()cv2.destroyAllWindows()if __name__=='__main__':face("F:/traindata/lfw/") #存放已知圖像路徑

結(jié)果與分析

（1） face_recognition對IFW數(shù)據(jù)集的人臉識別情況

LFW數(shù)據(jù)集包含5749個人物，每個人物有多張圖片，共有13233張圖片
從結(jié)果來看，57張人物不能識別到人臉，face_recognition對LFW數(shù)據(jù)集的人臉識別率99.57%（不是識別準(zhǔn)確率）

（2）攝像頭中的我和誰最像

識別到我和Zaini_Abdullah最像，再使用我的文章人臉識別（二）中的人臉比對程序看一下，相似度達(dá)到79%

討論
（1）最大的問題是，加載1萬多張圖片時間長達(dá)數(shù)小時，然而IFW還是一個較小的數(shù)據(jù)集

后續(xù)可考慮將人臉編碼的128維特征值存入數(shù)據(jù)庫，直接讀出人臉數(shù)據(jù)，應(yīng)該會快一些

（2）科研與工業(yè)中的人臉識別不同，準(zhǔn)確率基本上難以做到100%，而目前應(yīng)用的人臉識別應(yīng)用只是起到一個篩選的作用，常常需要配合其他方式進(jìn)行雙重或多重認(rèn)證 ，或者局限于某些場景中較少的人多環(huán)境（不同的光線、角度等）的識別，工業(yè)應(yīng)用更加注重快速落地

總結(jié)

以上是生活随笔為你收集整理的人脸识别（三） 摄像头中的人脸识别+LFW数据集测试的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。