TensorFlow23: “恶作剧” --人脸检测

前面有一个帖《OpenCV检测场景内是否有移动物体》我用树莓派做了一个简单的Motion
Detection，放在卫生间的，它会在我上大号时自动播放音乐。

我一个人租房，几个盆友周末时常会找我玩，他们觉得我做的Motion Detection很垃圾。于是我就想恶搞一下，用TensorFlow做一个“人脸识别”，在我上大号时播放音乐，如果是别人就播放《张震讲鬼故事》（@xingCI说放屁声更搞）。

我的任务的训练一个模型可以区分“我”和“其它人”的脸。注意，上面“人脸识别”我是加引号的，其实并不是真正的人脸识别，充其量就是个图像分类。如果你要使用真正的人脸识别，可以试试现成的库OpenFace+dlib《使用OpenFace进行人脸识别》。

有人已经把TensorFlow移植到了树莓派，项目地址tensorflow-on-raspberry-pi。

准备数据

本帖需要使用到两组数据：一组是包含我脸的图像，另一组包含其它人人脸的图像。

其它人人脸的收集

找一堆图片，只要不包含自己就行，然后使用OpenCV提取图像中的大脸。

提取图像中的人脸，我使用OpenCV，据说使用dlib效果更好。

other_peoples_faces.py：

[python]
view plain
copy





import cv2  
import os  
import sys  
   
IMAGE_DIR = '图片目录路径'  
   
OUTPUT_DIR = './other_people'  
if not os.path.exists(OUTPUT_DIR):  
    os.makedirs(OUTPUT_DIR)  
   
# http://blog.topspeedsnail.com/archives/10511  
# wget https://raw.githubusercontent.com/opencv/opencv/master/data/haarcascades/haarcascade_frontalface_default.xml  
face_haar = cv2.CascadeClassifier("haarcascade_frontalface_default.xml")  
   
for (dirpath, dirnames, filenames) in os.walk(IMAGE_DIR):  
    for filename in filenames:  
        if filename.endswith('.jpg'):  
            image_path = os.path.join(dirpath, filename)  
            print('process: ', image_path)  
            img = cv2.imread(image_path)  
              
            gray_image = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)  
            faces = face_haar.detectMultiScale(gray_image, 1.3, 5)  
            for face_x,face_y,face_w,face_h in faces:  
                face = img[face_y:face_y+face_h, face_x:face_x+face_w]  
   
                face = cv2.resize(face, (64, 64))  
   
                cv2.imshow("img", face)  
                cv2.imwrite(os.path.join(OUTPUT_DIR, filename), face)  
   
            key = cv2.waitKey(30) & 0xff  
            if key == 27:  
                sys.exit(0)  



4万多图片，我只提取了1万张脸，应该够使了。


图像大小
64×64



上面是OpenCV做的人脸检测，有了这个数据集又可以反过来训练TensorFlow版本的人脸检测。

斗大熊的脸

给自己拍照1万张，这是我一次拍照最多的一回。

[python]
view plain
copy





import cv2  
import os  
import sys  
   
OUTPUT_DIR = './my_faces'  
if not os.path.exists(OUTPUT_DIR):  
    os.makedirs(OUTPUT_DIR)  
   
face_haar = cv2.CascadeClassifier("haarcascade_frontalface_default.xml")  
   
cam = cv2.VideoCapture(0)  
   
count = 0  
while True:  
    print(count)  
    if count < 10000:  
        _, img = cam.read()  
   
        gray_image = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)  
        faces = face_haar.detectMultiScale(gray_image, 1.3, 5)  
        for face_x,face_y,face_w,face_h in faces:  
            face = img[face_y:face_y+face_h, face_x:face_x+face_w]  
   
            face = cv2.resize(face, (64, 64))  
            cv2.imshow('img', face)  
            cv2.imwrite(os.path.join(OUTPUT_DIR, str(count)+'.jpg'), face)  
            count += 1  
        key = cv2.waitKey(30) & 0xff  
        if key == 27:  
            break  
    else:  
        break  

在镜头前摇头晃脑、摆pose，戴眼镜、耳机，仰天45，写代码，呲牙咧嘴，玩手机。。。一定要多样化，直到拍1万张大脸。

训练模型

训练数据有了，下面开始训练。

[python]
view plain
copy





import tensorflow as tf  
import cv2  
import numpy as np  
import os  
from sklearn.model_selection import train_test_split  
import random  
import sys  
   
my_image_path = 'my_faces'  
others_image_path = 'other_people'  
   
image_data = []  
label_data = []  
   
def get_padding_size(image):  
    h, w, _ = image.shape  
    longest_edge = max(h, w)  
    top, bottom, left, right = (0, 0, 0, 0)  
    if h < longest_edge:  
        dh = longest_edge - h  
        top = dh // 2  
        bottom = dh - top  
    elif w < longest_edge:  
        dw = longest_edge - w  
        left = dw // 2  
        right = dw - left  
    else:  
        pass  
    return top, bottom, left, right  
   
def read_data(img_path, image_h=64, image_w=64):  
    for filename in os.listdir(img_path):  
        if filename.endswith('.jpg'):  
            filepath = os.path.join(img_path, filename)  
            image = cv2.imread(filepath)  
   
            top, bottom, left, right = get_padding_size(image)  
            image_pad = cv2.copyMakeBorder(image, top , bottom, left, right, cv2.BORDER_CONSTANT, value=[0, 0, 0])  
            image = cv2.resize(image_pad, (image_h, image_w))  
   
            image_data.append(image)  
            label_data.append(img_path)  
   
read_data(others_image_path)  
read_data(my_image_path)  
   
image_data = np.array(image_data)  
label_data = np.array([[0,1] if label == 'my_faces' else [1,0] for label in label_data])  
   
train_x, test_x, train_y, test_y = train_test_split(image_data, label_data, test_size=0.05, random_state=random.randint(0, 100))  
   
# image (height=64 width=64 channel=3)  
train_x = train_x.reshape(train_x.shape[0], 64, 64, 3)  
test_x = test_x.reshape(test_x.shape[0], 64, 64, 3)  
   
# nomalize  
train_x = train_x.astype('float32') / 255.0  
test_x = test_x.astype('float32') / 255.0  
   
print(len(train_x), len(train_y))  
print(len(test_x), len(test_y))  
   
#############################################################  
batch_size = 128  
num_batch = len(train_x) // batch_size  
   
X = tf.placeholder(tf.float32, [None, 64, 64, 3])  # 图片大小64x64 channel=3  
Y = tf.placeholder(tf.float32, [None, 2])  
   
keep_prob_5 = tf.placeholder(tf.float32)  
keep_prob_75 = tf.placeholder(tf.float32)  
   
def panda_joke_cnn():  
   
    W_c1 = tf.Variable(tf.random_normal([3, 3, 3, 32], stddev=0.01))  
    b_c1 = tf.Variable(tf.random_normal([32]))  
    conv1 = tf.nn.relu(tf.nn.bias_add(tf.nn.conv2d(X, W_c1, strides=[1, 1, 1, 1], padding='SAME'), b_c1))  
    conv1 = tf.nn.max_pool(conv1, ksize=[1, 2, 2, 1], strides=[1, 2, 2, 1], padding='SAME')  
    conv1 = tf.nn.dropout(conv1, keep_prob_5)  
   
    W_c2 = tf.Variable(tf.random_normal([3, 3, 32, 64], stddev=0.01))  
    b_c2 = tf.Variable(tf.random_normal([64]))  
    conv2 = tf.nn.relu(tf.nn.bias_add(tf.nn.conv2d(conv1, W_c2, strides=[1, 1, 1, 1], padding='SAME'), b_c2))  
    conv2 = tf.nn.max_pool(conv2, ksize=[1, 2, 2, 1], strides=[1, 2, 2, 1], padding='SAME')  
    conv2 = tf.nn.dropout(conv2, keep_prob_5)  
   
    W_c3 = tf.Variable(tf.random_normal([3, 3, 64, 64], stddev=0.01))  
    b_c3 = tf.Variable(tf.random_normal([64]))  
    conv3 = tf.nn.relu(tf.nn.bias_add(tf.nn.conv2d(conv2, W_c3, strides=[1, 1, 1, 1], padding='SAME'), b_c3))  
    conv3 = tf.nn.max_pool(conv3, ksize=[1, 2, 2, 1], strides=[1, 2, 2, 1], padding='SAME')  
    conv3 = tf.nn.dropout(conv3, keep_prob_5)  
   
    # Fully connected layer  
    W_d = tf.Variable(tf.random_normal([8*16*32, 512], stddev=0.01))  
    b_d = tf.Variable(tf.random_normal([512]))  
    dense = tf.reshape(conv3, [-1, W_d.get_shape().as_list()[0]])  
    dense = tf.nn.relu(tf.add(tf.matmul(dense, W_d), b_d))  
    dense = tf.nn.dropout(dense, keep_prob_75)  
   
    W_out = tf.Variable(tf.random_normal([512, 2], stddev=0.01))  
    b_out = tf.Variable(tf.random_normal([2]))  
    out = tf.add(tf.matmul(dense, W_out), b_out)  
    return out  
   
def train_cnn():  
    output = panda_joke_cnn()  
   
    loss = tf.reduce_mean(tf.nn.softmax_cross_entropy_with_logits(output, Y))  
    optimizer = tf.train.AdamOptimizer(learning_rate=0.001).minimize(loss)  
   
    accuracy = tf.reduce_mean(tf.cast(tf.equal(tf.argmax(output, 1), tf.argmax(Y, 1)), tf.float32))  
   
    tf.summary.scalar("loss", loss)  
    tf.summary.scalar("accuracy", accuracy)  
    merged_summary_op = tf.summary.merge_all()  
   
    saver = tf.train.Saver()  
    with tf.Session() as sess:  
        sess.run(tf.global_variables_initializer())  
   
        summary_writer = tf.summary.FileWriter('./log', graph=tf.get_default_graph())  
   
        for e in range(50):  
            for i in range(num_batch):  
                batch_x = train_x[i*batch_size : (i+1)*batch_size]  
                batch_y = train_y[i*batch_size : (i+1)*batch_size]  
                _, loss_, summary = sess.run([optimizer, loss, merged_summary_op], feed_dict={X: batch_x, Y: batch_y, keep_prob_5:0.5, keep_prob_75: 0.75})  
   
                summary_writer.add_summary(summary, e*num_batch+i)  
                print(e*num_batch+i, loss_)  
   
                if (e*num_batch+i) % 100 == 0:  
                    acc = accuracy.eval({X: test_x, Y: test_y, keep_prob_5:1.0, keep_prob_75: 1.0})  
                    print(e*num_batch+i, acc)  
                    # save model  
                    if acc > 0.98:  
                        saver.save(sess, "i_am_a_joke.model", global_step=e*num_batch+i)  
                        sys.exit(0)  
   
train_cnn()  

准确率曲线：



下面要做的就是在树莓派上使用模型，代码示例：

[python]
view plain
copy





output = panda_joke_cnn()  
predict = tf.argmax(output, 1)  
   
saver = tf.train.Saver()  
sess = tf.Session()  
saver.restore(sess, tf.train.latest_checkpoint('.'))  
   
def is_my_face(image):  
    res = sess.run(predict, feed_dict={X: [image/255.0], keep_prob_5:1.0, keep_prob_75: 1.0})  
    if res[0] == 1:  
        return True  
    else:  
        return False  
   
face_haar = cv2.CascadeClassifier("haarcascade_frontalface_default.xml")  
cam = cv2.VideoCapture(0)  
   
while True:  
    _, img = cam.read()  
    gray_image = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)  
    faces = face_haar.detectMultiScale(gray_image, 1.3, 5)  
    for face_x,face_y,face_w,face_h in faces:  
        face = img[face_y:face_y+face_h, face_x:face_x+face_w]  
   
        face = cv2.resize(face, (64, 64))  
   
        print(is_my_face(face))  
   
        cv2.imshow('img', face)  
        key = cv2.waitKey(30) & 0xff  
        if key == 27:  
            sys.exit(0)  
   
sess.close()  

总结：占用内存100多M，准确率还凑合，先用着。