Pytorch怎么实现人脸识别

这篇文章主要介绍“Pytorch怎么实现人脸识别”，在日常操作中，相信很多人在Pytorch怎么实现人脸识别问题上存在疑惑，小编查阅了各式资料，整理出简单好用的操作方法，希望对大家解答”Pytorch怎么实现人脸识别”的疑惑有所帮助！接下来，请跟着小编一起来学习吧！人脸识别是一门比较成熟的技术。它的身影随处可见，刷脸支付，信息审核，监控搜索，人脸打码等。更多的时候，它是方便了我们的生活，足不出户，就可以实现各种 APP 的实名认证，信息审核。一些公司，也都有对内部员工开放的刷脸支付系统，不用带手机，不用带工卡，带着一张或美丽或帅气的脸庞，就可以在公司内部「买买买，刷刷刷」。除了这些常规操作，还可以对视频里的特定人物进行打码。仝卓自爆高考作弊，可谓＂教科书＂级别的＂仝＂归于尽的坑爹教程。这「任性」的打码方式，简单粗暴。对于视频，人工后期的逐帧处理，打码任务无疑是个「体力活」。但如果结合脸识别技术，那这个任务就会简单很多。人脸识别技术包涵了多种算法，整个流程大致如下：使用检测技术，检测出人脸位置。使用 landmark 技术，检测出人脸关键点。根据人脸位置和人脸关键点，裁剪出人脸区域，并根据关键点将人脸图片进行矫正，得到「标准脸」。计算「标准脸」的人脸特征向量。与「人脸库」的人脸特征向量比对，计算向量的距离，找到最接近的人，输出人脸识别结果。输入：原始的可能含有人脸的图像。输出：人脸位置的 bounding box。这一步一般我们称之为“人脸检测”（Face Detection），人脸检测算法，可以使用的库有很多，例如 OpenCV、dlib、face_recognition、RetianFace、Cen 香港云主机terFace 等等。太多了，数不过来。当然，自己用 yolo 、ssd 这类经典的检测算法，自己实现一个也是可以的。输入：原始图像 + 人脸位置 bounding box。输出：“校准”过的只含有人脸的图像。这一步需要使用 landmark 算法，检测人脸中的关键点，然后根据这些关键点对人脸做对齐校准。所谓的关键点，就是下图所示的绿色的点，通常是眼角的位置、鼻子的位置、脸的轮廓点等等。有了这些关键点后，我们就可以把人脸“校准”，或者说是“对齐”。解释就是原先人脸可能比较歪，这里根据关键点，使用仿射变换将人脸统一“摆正”，尽量去消除姿势不同带来的误差。这一步我们一般叫 Face Alignment 。输入：校准后的单张人脸图像。输出：一个向量表示。这一步就是使用深度卷积网络，将输入的人脸图像，转换成一个向量的表示。这个向量就是人脸的特征，例如：这密密麻麻的 128 维的向量，就是一张人脸的特征，你也可以叫做人脸的编码。提取特征这种事，卷积神经网络很在行。举个例子，VGG16 是深度学习中一个比较简单的基本模型。输入卷积神经网络的是图像，经过一系列卷积后，全连接分类得到类别概率。整个过程是这样的：其实，卷积神经网络不断的进行卷积，下采样，这就是一个提取特征的过程，最后通过全链接层得到类别概率。人脸特征提取，我们也可以这么操作。我们可以去掉全连接层，用计算的特征（一般就是卷积层的最后一层，e.g. 图中的conv5_3）来当作提取的特征进行计算。与分类任务不同的是，最后使用的 loss 损失函数是不同的。在理想的状况下，我们希望“向量表示”之间的距离就可以直接反映人脸的相似度：对于同一个人的人脸图像，对应的向量的欧几里得距离应该比较小。对于不同人的人脸图像，对应的向量之间的欧几里得距离应该比较大。所以，每个人脸的类别中心，应该尽可能远一些，这样才能用于区别不同的人。人脸常用的 loss 有 center loss 、 arcface loss 等。人脸识别类似于，细粒度的分类。训练过分类任务的，应该都知道。训练人和猪的二分类，很好训练，因为人和猪的特征差别很明显。但训练男人和女人的二分类，就要难一些，因为男人和女人的特征很相近。为了更好区分男人和女人，就需要使用类别中心间距大的损失函数。人脸识别，更是一种细粒度的区分，都是人，但你要区分出张三、李四、王二麻。人脸识别，一般是需要建立一个「检索库」。简单解释一下，我们要识别张三、李四、王二麻。那么，我们就要选张三、李四、王二麻每个人的 10 张（自己定）图片。然后使用我们训练好的人脸特征模型，提取每个人的人脸特征。这样每个人，就都有 10 个人脸特征了，这就是一个「检索库」。需要识别的图片，提取人脸特征后，依次与检索库已有的人脸特征去比对，投票选出最接近的人。人脸识别技术原理清楚了，我们就可以使用这个技术，给仝卓打码。可以看到，人脸识别技术涉及到的算法较多，自己依次实现是需要时间的。但这，难不倒身为优秀「调包侠」的我。开源的第三方库有很多，比如 face_recognition。里面集成了人脸检测、人脸识别等接口。使用人脸识别技术，对这一小段视频，给仝卓的人脸进行打码。整理一下思路：首先，我们使用 opencv 这类的程序处理视频，只能处理画面，不能处理声音。所以，需要先将音频保存，再将处理好的视频和音频进行合成，这样既保证了画面打码，又保证了声音还在。这块可以使用 ffmpeg 实现。安装好 ffmpeg 并配置好环境变量。编写如下代码：视频转音频，视频加音频的函数写好了，接下来，我们写视频自动打码的程序。首先，安装 face_recognition。face_recognition 有详细的 API 文档：https://face-recognition.readthedocs.io/en/latest/face_recognition.html我们先将要处理的视频保存到本地：https://cuijiahua.com/wp-content/uploads/2020/07/cut.mp4然后就可以使用 opencv 读取视频检测画面的每一张人脸。运行效果：这样，对画面中检测到的每张人脸，进行人脸识别，是仝卓，那就打码。打码图片，咱也用个简单粗暴的。将 mask.jpg 保存到本地。再截取一张仝卓的人脸图片，作为对比库，当然多张也是可以的，这里用一张就够了。我们选择这张图片将图片下载到本地，编写如下代码，就可以提取人脸的特征。运行结果：可以看到使用几行代码，就可以提取 128 维的人脸特征。整体流程是：使用 ffmpeg 保存音频处理视频，给仝卓打码。为处理好的视频添加音频。直接看代码。到此，关于“Pytorch怎么实现人脸识别”的学习就结束了，希望能够解决大家的疑惑。理论与实践的搭配能更好的帮助大家学习，快去试试吧！若想继续学习更多相关知识，请继续关注开发云网站，小编会继续努力为大家带来更多实用的文章！

相关推荐: HDFS文件写流程的示例分析

小编给大家分享一下HDFS文件写流程的示例分析，相信大部分人都还不怎么了解，因此分享这篇文章给大家参考一下，希望大家阅读完这篇文章后大有收获，下面让我们一起去了解一下吧！ 图理解：详解HDF 香港云主机S写的过程：1.Client客户端发出请求open到Dis…