基于Dragonboard 410c的智能魔鏡設(shè)計（5）——通過人臉進(jìn)行用戶身份識別

根據(jù)前面的設(shè)計方案，在設(shè)計的基于dragonboard 410c的智能魔鏡中，需要根據(jù)超聲波檢測到有人靠近的時候，通過USB攝像頭采集人臉數(shù)據(jù)，然后根據(jù)數(shù)據(jù)庫中的人臉數(shù)據(jù)進(jìn)行人臉匹配，識別用戶的身份，最終根據(jù)用戶身份顯示不同的消息和推送不同的內(nèi)容，這期blog將重點(diǎn)向大家介紹智能魔鏡中的人臉檢測和識別處理實(shí)現(xiàn)的原理和過程。

需要進(jìn)行基于人臉的用戶身份識別，首先需要檢測出人臉，然后根據(jù)檢測出來的人臉與數(shù)據(jù)庫中的人臉進(jìn)行匹配，最終得出匹配度，根據(jù)匹配度確定該人臉的身份，這里將從這兩個方面來向大家介紹如何在智能魔鏡中實(shí)現(xiàn)人臉身份檢測，其實(shí)在前面的一系列blog中已經(jīng)給大家介紹了人臉識別和檢測的實(shí)現(xiàn)方法，這里就在結(jié)合智能魔鏡代碼設(shè)計再向大家如何應(yīng)用前面已經(jīng)設(shè)計好的人臉檢測和識別的代碼，將其集中到智能魔鏡中的應(yīng)用中來。

在基于USB攝像頭人臉識別的文章中已經(jīng)告訴了大家如使用Python和OpenCV來何構(gòu)建人臉檢測代碼，我們這里構(gòu)建了一個getFac.py文件，在該文件中通過getFac類來實(shí)現(xiàn)人臉的檢測，其實(shí)也就是對前面blog方法的一次封裝即可，具體代碼如下：

????def getface(self,device):
? ? ? ? cap = cv2.VideoCapture(device)
? ? ? ? faces=[]
? ? ? ? num=self.maxFrames
? ? ? ? while(True):
? ? ? ? ? ? ret,img=cap.read()
? ? ? ? ? ? ret,img=cap.read()
? ? ? ? ? ? ret,img=cap.read()
? ? ? ? ? ? ret,img=cap.read()
? ? ? ? ? ? if ret==True:
? ? ? ? ? ? ? ? gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
? ? ? ? ? ? ? ? faces = self.face_cascade.detectMultiScale(gray,1.3,5)
? ? ? ? ? ? ? ? i=0
? ? ? ? ? ? ? ? for(x,y,w,h) in faces:
? ? ? ? ? ? ? ? ? ? face=img[y:y+h,x:x+w]
? ? ? ? ? ? ? ? ? ? print("get face sucessful")
? ? ? ? ? ? ? ? ? ? cap.release()
? ? ? ? ? ? ? ? ? ? cv2.imwrite('./temp.jpg',face)
? ? ? ? ? ? ? ? ? ? return True
? ? ? ? ? ? ? ? num=num-1
? ? ? ? ? ? ? ? if num==0:
? ? ? ? ? ? ? ? ? ? print("get face failed")
? ? ? ? ? ? ? ? ? ? cap.release()
? ? ? ? ? ? ? ? ? ? return False
? ? ? ? ? ? else:
? ? ? ? ? ? ? ? ?cap.release()
? ? ? ? ? ? ? ? ?return False??

有了上述類，我們就可以檢測并且獲得人臉圖像，接下來我們需要利用檢測到的人臉圖像，與數(shù)據(jù)庫中的人臉圖像進(jìn)行匹配，實(shí)現(xiàn)人臉的識別，其方法和前面使用USB攝像頭進(jìn)行人臉識別文章--第二篇中的方法一樣，采用opencv提供的人臉識別接口來實(shí)現(xiàn)，但是這里為了在魔鏡中調(diào)用，重寫了前面blog的方法，構(gòu)建了一個peopleIdentification.py類來實(shí)現(xiàn)魔鏡中的人臉身份檢測，這里封裝了一個peopleDetected類來實(shí)現(xiàn)人臉的身份識別，重新封裝后的代碼和前面代碼稍有差異，具體設(shè)計如下：

???????class peopleDetected:
? ? def __init__(self,trainImgPath):
? ??
? ? ? ? self.threshold=6000
? ? ? ? self.model = cv2.createFisherF aceRecognizer()
? ? ? ? self.trainModel('./usrImg')
? ?? ? #load all user img create Train table
? ? #imgPath is user img path
? ? def trainModel(self,trainImgPath):
? ? ? ? names=[]
? ? ? ? lables=[]
? ? ? ? userImgDir=os.listdir(trainImgPath)
? ? ? ? #print(userImgDir)
? ? ? ? for imgDir in userImgDir:
? ? ? ? ? ? print("userID dir is:")?
? ? ? ? ? ? #print(imgDir)
? ? ? ? ? ? format="%s/%s"
? ? ? ? ? ? values=(trainImgPath,imgDir)
? ? ? ? ? ? dirPath=format % values
? ? ? ? ? ? #find current user img
? ? ? ? ? ? allimgPath=os.listdir(dirPath)
? ? ? ? ? ? #print(allimgPath)
? ? ? ? ? ? for name in allimgPath:
? ? ? ? ? ? ? ? names.append(dirPath+'/'+name)
? ? ? ? ? ? ? ? lables.append(int(imgDir))
? ? ? ? ? ? ? ? print("save sucessful:")
? ? ? ? print(names)
? ? ? ? print(lables)
? ? ? ? #return names,lables
? ? ? ? trainImg=[]
? ? ? ? for imgloadPath in names:
? ? ? ? ? ? obj=cv2.resize(cv2.imread(imgloadPath,0),(400,500))
? ? ? ? ? ? trainImg.append(obj)
? ? ? ? self.model.train(trainImg,np.array(lables))
? ? ? ? print(lables)
? ? def getPeopleID(self,faceImgPath):
? ? ? ? faceImg=cv2.imread(faceImgPath,0)
? ? ? ? face=cv2.resize(faceImg,(400,500))
? ? ? ? result = self.model.predict(face)
? ? ? ? predictID=result[0]
? ? ? ? predictError=result[1]
? ? ? ? print(predictID)
? ? ? ? print(predictError)
? ? ? ? #print(result)
? ? ? ? if predictError>self.threshold:
? ? ? ? ? ? return -1
? ? ? ? else:
? ? ? ? ? ? print("get people ID")
? ? ? ? ? ? return predictID
? ? def getPeopleID2(self,faceImg):
? ? ? ? face=cv2.resize(faceImg,(400,500))
? ? ? ? result = self.model.predict(face)
? ? ? ? predictID=result[0]
? ? ? ? predictError=result[1]
? ? ? ? #print(predictID)
? ? ? ? #print(predictError)
? ? ? ? #print(result)
? ? ? ? if predictError>self.threshold:
? ? ? ? ? ? return -1
? ? ? ? else:
? ? ? ? ? ? return predictID?