Python實現基于深度學習的人臉識別

摘要：近年來，人臉識別技術已經由弱人工智能向強人工智能轉化，隨著人臉識別算法的不斷改進，人臉識別技術已經在公安、金融等部門得到了廣泛應用。本文提出了一種Python語言利用Dlib第三方庫實現基于深度學習的人臉識別方法。

關鍵詞：Python；Dlib；人臉識別

1、人臉識別技術概述

人臉識別技術是一種基于圖像識別，是根據人臉的特征信息進行身份判定的技術，它經過了幾十年的發展已經由弱人工智能向強人工智能轉化，隨著人臉識別算法的不斷改進，人臉識別技術已經成為人工智能領域的重要應用。目前人臉識別技術已經比較成熟，得到了公安金融等部門的廣泛應用。（1）公安部門：通過相片匹配戶籍數據，尋找目標對象。（2）安防領域：通過人臉識別對重點管控區域人員的身份識別，在公共場所對人群進行監視，以達到身份識別的目的，例如在機場、車站等人流量大的場所，通過智能監控系統識別犯罪分子。（3）金融領域：利用人臉識別實現交易支付，例如支付寶實名認證用戶可通過刷臉支付。

2、人臉識別的過程

人臉識別是一個比較復雜的過程，歸納起來可以由五個步驟組成：人臉檢測、人臉關鍵點檢測、人臉規整、人臉特征提取、人臉識別，人臉識別的過程如圖1所示。不同技術會采用不同的方法來實現人臉面部特征的抽象，比如Harmon和Lesk采用多維特征矢量來表示，而Kaya和Kobayashi則采用歐氏距離來表示，本文第三部分提到的Dlib庫則是基于深度學習，利用已經訓練好的人臉關鍵點檢測器和人臉識別模型，得到人臉面部特征值。

3、Dlib庫介紹

近些年，Python語言發展迅猛，在很多開發語言排行榜名列前三名。Python語言能夠得到這么快的發展，得益于其源代碼開源性和代碼開發的高效性。Python社區提供了大量的第三方庫，它們能夠實現科學計算、數據可視化、數據分析等多個領域，Dlib庫就是一個知名的第三方庫，能夠實現人臉檢測和識別，其算法采用HOG特征與級聯分類器，算法的實現大概過程有：（1）將圖像灰度化。（2）采用Gamma校正法對圖像進行顏色空間的標準化。（3）對每個圖像像素進行梯度計算。（4）對圖像進行小單元格劃分。（5）生成每個單元格的梯度直方圖。（6）把單元格組合成大的塊，塊內歸一化梯度直方圖。（7）生成HOG特征描述向量。

4、Python利用Dlib庫實現人臉識別

4.1 前期準備

（1）安裝好Dlib第三方庫。

（2）下載人臉識別模型和人臉關鍵點檢測器，分別保存為文件1.dat和2.dat（可從網址http：//dlib.net/files/下載）。

（3）準備好已知人臉相片和待識別人臉相片，本例準備已知人臉相片20張存放在Faces文件夾中，待識別人臉2張，其中test01.jpg和Faces文件夾中的第19張相片是同一個人，test02.jpg和Faces文件夾中的第7張相片是同一個人，主程序為testface.py，整個文件夾如圖2所示。

4.2 實現過程

實現過程主要有三個步驟：根據人臉識別模型和人臉關鍵點檢測器，得到已知人臉相片的特征值庫；根據人臉識別模型和人臉關鍵點檢測器，得到待識別人臉相片的特征值；計算待識別人臉相片的特征值和特征值庫的歐式距離，距離最小者就是參考識別結果。程序的實現主要包括以下三個子函數，fun1函數功能是得到一張相片的特征值，fun2函數功能是得到多張相片的特征值庫，fun3函數功能是計算待識別人臉相片的特征值和特征值庫的歐式距離，輸出距離最小者為參考識別結果。

（1）fun1函數代碼如下，例如執行fun1（test01. jpg）就可以得到以下128個特征值，結果如表1所示。

（2）fun2函數代碼如下。

（3）fun3函數代碼如下。

（4）主程序代碼如下。

主程序分別用test01.jpg和test02.jpg相片進行測試，測試結果均正確，都能識別出與test01.jpg和test02.jpg匹配的相片，測試結果圖3所示。

5、結束語

本方法實現了人臉識別的功能，但由于每張相片有128個特征值，如果已知人臉相片較多，特征值庫較大，計算歐式距離所用時間較長，還要改進算法，需要引進并行計算等技術，提高人臉識別效率。

作者簡介：張枝令，寧德師范學院信息與機電工程學院，副教授，研究方向：計算機網絡、數據挖掘和大數據。