deepface:最先进轻量级人脸识别和人脸属性分析框架讲解

介绍

Deepface 是一个用于 python 的轻量级人脸识别和人脸属性分析(年龄、性别、情感和种族)框架。


它是一个混合人脸识别框架。


deepface包含最先进的模型:VGG-Face、Google FaceNet、OpenFace、Facebook DeepFace和DeepIDArcFaceDlib。


所有这些模型都封装在一起,Deepface 的人脸识别准确率高达 97%,并且已被证明在人脸检测方面比一般的人脸识别框架更成功。


Facebook 使用 Deepface 来防止其平台上的假冒和身份盗用。


一个图表示:(来源官网)

每个模型的评分:

环境搭建

我的软件环境:

  • pycharm2021
  • python3.9.6

模块安装:

pip install deepface
人脸验证

对两张图片进行比对,看是否同一个人,图片为:

以下三行代码即可实现,运行它会自动给你下载相关权重文件vgg_face_weights.h5:

from deepface import DeepFace

verification = DeepFace.verify(img1_path = "img1.jpg", img2_path = "img2.jpg")
print(verification)

结果如下:

{'verified': True, 'distance': 0.1600321561950978, 
'threshold': 0.4, 'model': 'VGG-Face',
 'detector_backend': 'opencv', 'similarity_metric': 'cosine'}

类型是个字典,我们来解析以下含义:

  • verified=True:表示同一个人。


    这是验证结果。


  • distance参数:这个值越小,代表相似度越高,越大则相似度越低。


  • model:默认用的模型VGG-Face。


    你也可以试试别的模型。


  • detector_backend:要有opencv支持的意思

你也可以自己设置模型,比如设置为OpenFace:

rom deepface import DeepFace

models=["VGG-Face", "Facenet", "Facenet512", "OpenFace", "DeepFace", "DeepID", "ArcFace", "Dlib"]

verification = DeepFace.verify(img1_path = "img.png", img2_path = "img_1.png",model_name=models[3])
print(verification)

运行如下:

看清楚:
第一个,下载到的位置:

To: C:\Users\hp\.deepface\weights\openface_weights.h5

第二个是结果:

{'verified': False, 'distance': 0.17080708434087122, 
'threshold': 0.1, 'model': 'OpenFace', 
'detector_backend': 'opencv', 
'similarity_metric': 'cosine'}
人脸查找
from deepface import DeepFace

img_path1 = r'img.png'

img_path2 = r'img_1.png'

img_path1 = img_path1.replace('\', '/')

img_path2 = img_path2.replace('\', '/')

models=["VGG-Face", "Facenet", "Facenet512", "OpenFace", "DeepFace", "DeepID", "ArcFace", "Dlib"]

db_path = r'data'

db_path = db_path.replace('\', '/')

recognition = DeepFace.find(img_path = img_path2, db_path = db_path, model_name = models[0], enforce_detection=False)

print(recognition)

输出如下:

ind function lasts  4.07146143913269  seconds
         identity  VGG-Face_cosine
0  data/img_2.png         0.160032
1    data/img.png         0.265129

identity表示身份的意思,VGG-Face_cosine表示的是相似度的意思应该,它会得到相似最高的图。


为什么要设enforce_detection= False?不设置会报错检测不到人脸,因为Deepface会将db_path指定的相片folder中所有的相片,取得每张相片特征后储存于相同路径下(副档名为pkl),下次再取用比对时便不需要重新跑模型取得特征了。


但如果其中有无法侦测出脸孔的相片,此时若enforce_detection=False,执行时便会产生错误并停止执行,以提醒我们资料夹中有无法检测脸孔的相片,请重新review。


待确认folder中的相片无误后,我们便可设定enforce_detection=False,告知Deepface不需要提醒,以提升后续执行的速度。


人脸属性(年龄,标签,性别,种族)识别

DeepFace 带有强大的面部属性分析模块,用于年龄、性别、情绪和种族/民族预测。


虽然 DeepFace 的面部识别模块封装了现有的最先进模型,但其面部属性分析有自己的模型。


目前,年龄预测模型的平均绝对误差为 +/- 4.6 岁;性别预测模型的准确率达到 97%。


Deepface 还提供面部属性分析,包括、、age(包括愤怒、恐惧、中性、悲伤、厌恶、快乐和惊讶)和(包括亚洲人、白人、中东人、印度人、拉丁裔和黑人)预测。


来测试以下男神的年龄大小吧:

from deepface import DeepFace

analysis = DeepFace.analyze(img_path="img.png", actions=["age", "gender", "emotion", "race"])
print(analysis)

输出为:

说明:年龄,21;性别,男;表情,自然;种族:亚洲人(官方只能提供到是哪个洲的人)

补充:如果你遇到报错OSError: Unable to open file (truncated file: eof = 5865472, sblock->base_addr = 0, stored_eof = 588,你就到weights路径下把原来的删除,重新执行代码下载文件
比如我报错:

重新执行代码下载即可,有时候会遇到下载失败:由于连接方在一段时间后没有正确答复或连接的主机没有反应,连接尝试失败,可以多尝试几次(甚至十几次),毕竟github有些同学本来就谅解不稳定。


实在不行还是报错,那就手动下载吧,我用wegt命令下载,比如:

使用如下命令下载到本地(或者直接点击链接去下载):

wget -c  https://github.com/serengil/deepface_models/releases/download/v1.0/gender_model_weights.h5

下载好后放到weights文件夹下一样:

视频流识别
from deepface import DeepFace
a=DeepFace.stream()
print(a)

参考

https://pypi.org/project/deepface/
https://www.cs.toronto.edu/~ranzato/publications/taigman_cvpr14.pdf

欢迎分享,转载请注明来源:内存溢出

原文地址: https://outofmemory.cn/langs/589760.html

(0)
打赏 微信扫一扫 微信扫一扫 支付宝扫一扫 支付宝扫一扫
上一篇 2022-04-13
下一篇 2022-04-13

发表评论

登录后才能评论

评论列表(0条)

保存