Python人臉識(shí)別：從入門到工程實(shí)踐

前言

第1章　人臉識(shí)別入門1

1.1　人臉識(shí)別概況1

1.1.1　何為人臉識(shí)別1

1.1.2　人臉識(shí)別的應(yīng)用2

1.1.3　人臉識(shí)別的目標(biāo)4

1.1.4　人臉識(shí)別的一般方法5

1.2　人臉識(shí)別發(fā)展?fàn)顩r8

1.2.1　人臉識(shí)別歷史沿革8

1.2.2　DT時(shí)代的呼喚10

1.2.3　計(jì)算機(jī)視覺的新起點(diǎn)10

1.3　本章小結(jié)12

第2章　數(shù)學(xué)與機(jī)器學(xué)習(xí)基礎(chǔ)13

2.1　矩陣13

2.1.1　矩陣的形式13

2.1.2　行列式14

2.1.3　轉(zhuǎn)置15

2.1.4　矩陣的一般運(yùn)算15

2.2　向量17

2.2.1　向量的形式18

2.2.2　向量的點(diǎn)乘18

2.2.3　向量的范數(shù)19

2.3　距離度量19

2.3.1　歐式距離19

2.3.2　曼哈頓距離20

2.3.3　余弦距離20

2.3.4　漢明距離21

2.4　卷積22

2.4.1　一維卷積22

2.4.2　二維卷積23

2.5　機(jī)器學(xué)習(xí)基礎(chǔ)25

2.5.1　機(jī)器學(xué)習(xí)類別25

2.5.2　分類算法26

2.6　本章小結(jié)38

第3章　計(jì)算機(jī)視覺原理與應(yīng)用39　

3.1　計(jì)算機(jī)視覺介紹39

3.2　顏色模型40

3.2.1　彩色圖像40

3.2.2　灰度圖像與二值圖像42

3.3　信號(hào)與噪聲44

3.3.1　信號(hào)44

3.3.2　噪聲45

3.4　圖像濾波45

3.4.1　均值濾波45

3.4.2　中值濾波47

3.5　圖像的幾何變換47

3.5.1　平移48

3.5.2　旋轉(zhuǎn)49

3.5.3　縮放50

3.6　圖像特征50

3.6.1　灰度直方圖50

3.6.2　LBP特征51

3.6.3　Haar特征52

3.6.4　HOG特征54

3.7　本章小結(jié)56

第4章　OpenCV基礎(chǔ)與應(yīng)用58

4.1　OpenCV介紹58

4.2　科學(xué)計(jì)算庫Numpy59

4.2.1　array類型60

4.2.2　線性代數(shù)相關(guān)62

4.2.3　矩陣的高級(jí)函數(shù)64

4.3　OpenCV基本操作70

4.4　圖像的基本變換72

4.4.1　顏色變換72

4.4.2　幾何變換80

4.4.3　圖像噪聲處理83

4.5　本章小結(jié)86

第5章　深度學(xué)習(xí)與Keras工程實(shí)踐87

5.1　深度學(xué)習(xí)介紹87

5.2　Keras框架簡介89

5.3　Keras的使用方法91

5.3.1　深度學(xué)習(xí)的原理91

5.3.2　Keras神經(jīng)網(wǎng)絡(luò)堆疊的兩種方法92

5.4　常用的神經(jīng)網(wǎng)絡(luò)層96

5.4.1　全連接層96

5.4.2　二維卷積層98

5.4.3　池化層100

5.4.4　BN層103

5.4.5　dropout層105

5.4.6　flatten層106

5.5　激活函數(shù)108

5.5.1　Sigmoid激活函數(shù)108

5.5.2　Softmax激活函數(shù)109

5.5.3　ReLU激活函數(shù)110

5.5.4　Keras中激活函數(shù)的使用111

5.6　優(yōu)化器112

5.6.1　SGD優(yōu)化器113

5.6.2　Adadelta優(yōu)化器116

5.7　損失函數(shù)117

5.7.1　均方誤差117

5.7.2　交叉熵?fù)p失函數(shù)118

5.7.3　Keras提供的損失函數(shù)120

5.8　模型評(píng)估方法122

5.8.1　交叉驗(yàn)證122

5.8.2　分類器性能評(píng)估124

5.9　數(shù)據(jù)增強(qiáng)127

5.9.1　數(shù)據(jù)增強(qiáng)概述128

5.9.2　Keras實(shí)現(xiàn)數(shù)據(jù)增強(qiáng)129

5.9.3　自己實(shí)現(xiàn)數(shù)據(jù)增強(qiáng)133

5.10　Keras的工程實(shí)踐134

5.10.1　訓(xùn)練時(shí)的回調(diào)函數(shù)135

5.10.2　打印網(wǎng)絡(luò)信息137

5.10.3　輸出網(wǎng)絡(luò)結(jié)構(gòu)圖139

5.10.4　獲取某層的輸出140

5.11　本章小結(jié)142

第6章　常用人臉識(shí)別算法143

6.1　特征臉法143

6.2　OpenCV的方法146

6.2.1　人臉檢測方法147

6.2.2　人臉識(shí)別方法149

6.3　Dlib的人臉檢測方法151

6.4　基于深度學(xué)習(xí)的圖片特征提取152

6.4.1　AlexNet152

6.4.2　VGGNet155

6.4.3　GoogLeNet157

6.4.4　ResNet160

6.5　基于深度學(xué)習(xí)的人臉檢測161

6.5.1　基于深度學(xué)習(xí)的目標(biāo)檢測162

6.5.2　MTCNN164

6.6　基于深度學(xué)習(xí)的人臉識(shí)別167

6.6.1　基于度量學(xué)習(xí)的方法168

6.6.2　基于邊界分類的方法171

6.7　本章小結(jié)177

第7章　人臉識(shí)別項(xiàng)目實(shí)戰(zhàn)178

7.1　人臉圖片數(shù)據(jù)集178

7.1.1　Olivetti Faces人臉數(shù)據(jù)集178

7.1.2　LFW人臉數(shù)據(jù)集180

7.1.3　YouTube Faces人臉數(shù)據(jù)集181

7.1.4　IMDB WIKI人臉數(shù)據(jù)集181

7.1.5　FDDB人臉數(shù)據(jù)集182

7.2　使用OpenCV的人臉檢測182

7.2.1　Haar級(jí)聯(lián)分類器182

7.2.2　OpenCV的SSD人臉檢測器184

7.3　使用Dlib的人臉檢測186

7.3.1　基于Hog-SVM的人臉檢測186

7.3.2　基于最大邊界的對(duì)象檢測器187

7.4　深度學(xué)習(xí)實(shí)踐188

7.4.1　卷積神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)189

7.4.2　數(shù)據(jù)增強(qiáng)207

7.4.3　自定義損失函數(shù)211

7.4.4　數(shù)據(jù)預(yù)處理213

7.4.5　模型訓(xùn)練214

7.4.6　實(shí)現(xiàn)Web接口216

7.4.7　模型調(diào)優(yōu)與總結(jié)218

7.5　人臉識(shí)別的拓展應(yīng)用219

7.6　本章小結(jié)220

第8章　人臉識(shí)別工程化221

8.1　云平臺(tái)實(shí)踐221

8.1.1　云計(jì)算介紹221

8.1.2　云服務(wù)的形式223

8.1.3　云平臺(tái)架構(gòu)設(shè)計(jì)224

8.2　服務(wù)API設(shè)計(jì)229

8.2.1　人臉檢測229

8.2.2　人臉對(duì)比239

8.3　人臉圖片存儲(chǔ)241

8.4　人臉圖片檢索243

8.5　本章小結(jié)244

附錄　參考文獻(xiàn)245

作者簡介

王天慶

長期從事分布式系統(tǒng)、數(shù)據(jù)科學(xué)與工程、人工智能等方面的研究與開發(fā)，在人臉識(shí)別方面有豐富的實(shí)踐經(jīng)驗(yàn)?，F(xiàn)就職某世界100強(qiáng)企業(yè)的數(shù)據(jù)實(shí)驗(yàn)室，從事數(shù)據(jù)科學(xué)相關(guān)技術(shù)領(lǐng)域的預(yù)研工作。

曾就職于某海外業(yè)務(wù)社交類移動(dòng)互聯(lián)網(wǎng)公司，熟悉大數(shù)據(jù)平臺(tái)研發(fā)、架構(gòu)，以及數(shù)據(jù)的處理和分析，熟悉Web架構(gòu)和高性能、高并發(fā)、高可用系統(tǒng)。

中國電子學(xué)會(huì)（計(jì)算機(jī)應(yīng)用分會(huì)）會(huì)員，CSDN博客專家，熱愛技術(shù)分享與交流。 2100433B

內(nèi)容簡介

這是一本面向初學(xué)者的人臉識(shí)別工具書，不僅適合零基礎(chǔ)的讀者快速入門，而且適合有一定基礎(chǔ)的讀者迅速達(dá)到可以進(jìn)行工程實(shí)踐的水平。

作者就職于某世界100強(qiáng)企業(yè)，在人臉識(shí)別方面積累了豐富的工程實(shí)踐經(jīng)驗(yàn)，本書不僅詳細(xì)介紹了機(jī)器學(xué)習(xí)、深度學(xué)習(xí)、計(jì)算機(jī)視覺、人臉識(shí)別等方面的原理、技術(shù)和算法，而且還通過相關(guān)的實(shí)戰(zhàn)案例講解了如何進(jìn)行人臉識(shí)別方面的實(shí)踐，以及如何將做好的模型用于工程實(shí)踐中。同時(shí)，本書還提供了大量簡潔、精煉的代碼，能幫助讀者從零開始實(shí)現(xiàn)一個(gè)工程級(jí)別的人臉識(shí)別引擎。

全書一共8章：

第1章介紹了人臉識(shí)別的基礎(chǔ)和必備常識(shí)；

第2-4章詳細(xì)講解了與人臉識(shí)別相關(guān)的數(shù)學(xué)、機(jī)器學(xué)習(xí)、計(jì)算機(jī)視覺、OpenCV相關(guān)的基礎(chǔ)和算法；

第5章講解了深度學(xué)習(xí)的原理以及使用Keras實(shí)現(xiàn)深度學(xué)習(xí)模型的方法；

第6章介紹了常用的人臉識(shí)別算法；

第7~8章詳細(xì)講解了人臉識(shí)別引擎的實(shí)現(xiàn)方法以及如何將做好的模型進(jìn)行工程化。

2016年01月13日，海淀區(qū)房管局副局長孫懷強(qiáng)在海淀區(qū)十五屆人大第六次會(huì)議上透露，海淀區(qū)將引入社會(huì)資本，計(jì)劃在區(qū)內(nèi)各小區(qū)外安裝“人臉識(shí)別閘機(jī)”。

廣東省內(nèi)廣州南站、深圳北站、佛山西站等以動(dòng)車組為主的火車站已經(jīng)啟用了人臉識(shí)別閘機(jī)進(jìn)站。為方便旅客進(jìn)站，2018年春運(yùn)，廣州火車站在進(jìn)站口增加76臺(tái)人臉識(shí)別閘機(jī)。在旅客進(jìn)站時(shí)，會(huì)看到兩種進(jìn)站閘機(jī)，人臉識(shí)別閘機(jī)兩側(cè)有明顯的橘色標(biāo)志。在人臉識(shí)別閘機(jī)進(jìn)站時(shí)，旅客需要將身份證置于車票下、車票正面朝上，注意車票二維碼方向需朝前放置，將車票和身份證一起放入檢票口。此后抬頭注視攝像頭，如戴眼鏡，建議摘下。大概3秒后可驗(yàn)證完畢進(jìn)站。

北京地鐵自主研發(fā)的新閘機(jī)，添加了人臉識(shí)別屏幕和掌靜脈掃描區(qū)。工作人員說，掌靜脈掃描可以提高辨識(shí)度，為“人臉?biāo)⒖ā碧岣呔珳?zhǔn)度，避免誤刷。同時(shí)，這款門式閘機(jī)兼具了簡單的安檢功能，沒有攜帶包裹的乘客可以直接刷卡進(jìn)站。

這款閘機(jī)的“視力”水平也提高了，頂置雙目傳感器可以更好地識(shí)別行李箱和乘客，避免“誤傷”。工作人員介紹，它還可以更精準(zhǔn)地通過圖像計(jì)算出乘客身高，還不到購票身高的小乘客乘車過閘機(jī)不用再擔(dān)心被“誤傷”。未來，新閘機(jī)將在既有線路進(jìn)行推廣，目前已經(jīng)在機(jī)場線T2站等進(jìn)行內(nèi)測。

本書的內(nèi)容主要包括園林工程基本建筑材料(石材、木材、混凝土與砂漿、水泥、磚與砌塊、金屬材料、膠凝材料、防水材料、建筑玻璃與陶瓷、建筑涂料與塑料)的識(shí)別與應(yīng)用、 園林建筑工程材料的識(shí)別與應(yīng)用、園林假山與石景工程材料識(shí)別與應(yīng)用、園林水景工程材料的識(shí)別與應(yīng)用、園林給排水工程與噴灌工程材料的識(shí)別與應(yīng)用、園路工程材料的識(shí)別與應(yīng)用、園林供電工程材料的識(shí)別與應(yīng)用、園林綠化工程材料的識(shí)別與應(yīng)用。

本書可作為園林工程設(shè)計(jì)與施工人員的參考用書,也可供園林管理者以及其他相關(guān)人員使用,還可作為高等學(xué)校相關(guān)類專業(yè)師生的參考用書。

人臉識(shí)別的優(yōu)勢在于其自然性和不被被測個(gè)體察覺的特點(diǎn)。

所謂自然性，是指該識(shí)別方式同人類（甚至其他生物）進(jìn)行個(gè)體識(shí)別時(shí)所利用的生物特征相同。例如人臉識(shí)別，人類也是通過觀察比較人臉區(qū)分和確認(rèn)身份的，另外具有自然性的識(shí)別還有語音識(shí)別、體形識(shí)別等，而指紋識(shí)別、虹膜識(shí)別等都不具有自然性，因?yàn)槿祟惢蛘咂渌锊⒉煌ㄟ^此類生物特征區(qū)別個(gè)體。

不被察覺的特點(diǎn)對(duì)于一種識(shí)別方法也很重要，這會(huì)使該識(shí)別方法不令人反感，并且因?yàn)椴蝗菀滓鹑说淖⒁舛蝗菀妆黄垓_。人臉識(shí)別具有這方面的特點(diǎn)，它完全利用可見光獲取人臉圖像信息，而不同于指紋識(shí)別或者虹膜識(shí)別，需要利用電子壓力傳感器采集指紋，或者利用紅外線采集虹膜圖像，這些特殊的采集方式很容易被人察覺，從而更有可能被偽裝欺騙。