2.2 “认识”一个人 课件-2021-2022学年川教版（2019）信息技术八年级上册

2.2“认识”一个人 要了解机器如何识别人脸，我们先从人类的人脸识别过程入手。当我们看到一张人脸，会通过眼睛、鼻子、嘴巴等显著生物特征来区分人脸，将提取到的特征放到记忆中去比对，最终调取身份信息，输出判断结果。而机器则是通过数学模型学习轮廓等细节，将这些机器选择出来的细节表示为特征，从而当这些人脸图像中有了这些特征，会将它输入到分类模型中进行分类，从而识别人脸。总结来说，人脸识别就是将采集的图像特征和数据库中的人脸特征进行比对，最终输出判断结果。 与人脸检测定位仅仅是发现面孔标注面孔不同，人脸识别是一个可以找到人脸并且可以分辨出谁是谁的程序。因此，它不仅仅是提供检测信息，还需要我们自己收集数据、自己训练机器，以便它们知道人脸以及它们是谁，在这个过程中，我们是教机器学习的人。 OpenCV自带了三个人脸识别算法：EigenFace、FisherFaces以及LBPH（局部二进制编码直方图），这节课我们不去深究这些算法的具体内容，直接演示如何使用LBPH识别器来进行人脸识别的训练。 第一步，我们需要安装LBPH识别器，这个识别器由OpenCV扩展库提供，需要提前安装此扩展模块。安装方法和第一节安装OpenCV方法相同，这里就不赘述了。 第二步：安装完识别器后，我们开始编写程序代码进行人脸识别训练。 首先引入OpenCV模块给计算机安装上“眼睛”。 import cv2 接着，我们引入Numpy库（numerical Python缩写，是一个开源的Python科学计算库），用于处理数据、进行数组计算。 Import numpy as np 第三步：现在，我们进行下一步，在这里我们将导入图片收集数据并使用它们来训练我们的程序。 首先，我们需要创建一个空列表作为储存图像的容器，并将其命名为images。（这里，我们简单了解一下列表的概念——列表是Python中内置有序可变序列，列表中的所有元素，放在一对中括号“[ ]”中，并使用都好分隔开。一个列表中的数据类型可以各不相同，也可以同时分别为整数、实数、字符串等基本类型。创建列表，使用“=”直接将一个列表赋值给变量即可，创建列表对象。例如images=[]） Images = [ ] 然后，我们先用强大的imread()函数读取两张同一个人的人脸图片，再用append函数将读取到的图片依次增加到images列表中。在编写这一段代码时，要注意图片的文件名要和文件夹中名字保持一致，才能成功读入图片。 Images.append(cv2.imread(‘img01.jpg’,cv2.IMREAD_IMREAD_GRAYSCALE) Images.append(cv2.imread(‘img02.jpg’,cv2.IMREAD_IMREAD_GRAYSCALE) 做完这一步，我们创建一个标签列表，给读入的同一个人的人脸图片设置一个相同标签，方便我们后续标识出不同的人脸数据。 Labels=[0,0] 第四步：到这里所有的数据都准备完成，接下来要做的就是训练机器了。 首先，我们加入LBPH识别器。 Recognizer=cv2.face.LBPHFaceRecognizer_create() 然后，我们进行识别训练。 Recognizer.train(images,np.array(labels)) 整个的人脸识别训练代码就完成了，同学们打开书56页，将相应的解释记在代码旁边。然后进入代码编程环境，将完整的代码写一遍。 提前写完代码的同学，翻开书自行探究一下如何进行多个不同的人脸识别训练。 学科网（北京）股份有限公司 $ “认识“一个人 时间：XXXX.XX.XX 1 学 习 了解机器学习的过程。 了解基于图片的人脸识别训练过程 目 标 2 一、如何从图片“认识”一个人 提取特点 分析特点 Face Recognition 人脸识别 我们如何识别人脸 钱学森 基于图片的人脸识别训练过程如下图 3.获得特征 2.机器训练 LBPH算法 1.输入训练图片 机器如何识别人脸 5.输出结果 4数据比对 数据库 XXX LBPH 三种 人脸 识别 算法 EigenFace FisherFace 局部二进制 编码直方图 7 二、识别训练 识别训练 二 下面用同一个人的两张图片“img01.jpg”和“img02.jpg”来训练。这两张图片上是同一个人，标签为“0”。 步骤一：准备工作 做一做：在命令窗口安装LBPH模块（局部二进制编码直方图） 在这里输入命令后敲一下回车键 等待安装完成 安装命令: pip install opencv-contrib-python 10 步骤一：准备工作 做一做： 在浏览器中下载两张钱学森先生的照片保存在文件接收柜中。 将两张图片的