🌴 🔱 👦🏿 Estamos escribiendo un programa para una cámara con reconocimiento facial. 🚙 👂🏻 ☹️

El reconocimiento facial ya ha capturado al mundo entero. Todos los principales países ya utilizan esta útil función. ¿Por qué no hacer la vida de las personas aún más conveniente y no incrustar el reconocimiento facial en la consigna de equipaje?

imagen

Para esto necesitamos

Facenet de red neuronal descargada
una computadora
keras
opencv

Desde el principio importamos dependencias

from keras.models import load_model import numpy as np from keras.utils import plot_model import math import glob import os import cv2 import serial

          model_path = 'facenet_keras.h5' model = load_model(model_path) cascade_path = 'haarcascade_frontalface_alt2.xml'

Una función que formatea una imagen y la conduce a través de una red neuronal

 def calc_embs(imgs, margin, batch_size): fram1e = cv2.resize(imgs,(160,160)) ofg2 = np.array(fram1e) aligned_images = prewhiten(ofg2) pd = [] x_train = np.array([aligned_images]) embs1 = model.predict_on_batch(x_train) embs1.reshape(1,-1) embs = l2_normalize(np.concatenate(embs1)) return embs

Una función que, cuando se presiona un botón por primera vez, guarda la cara de una persona que ha pasado a través de una red neuronal, y una segunda vez, después de haber conducido una nueva cara a través de la red, la compara con la cara guardada

Encabezado de spoiler

 def reco_face(frame, i): #frame = cv2.cvtColor(frame, cv2.COLOR_BGR2RGB) img = frame #i = 0 h = 0 v = 0 u = 0 name_out = '  ' #print(ofg.shape) #img = search_face(img, frame, face_cascade) #frame = cv2.cvtColor(frame, cv2.COLOR_BGR2RGB) faces = face_cascade.detectMultiScale(frame, 1.3, 5) print(faces) if faces == (): v = 5 # Loop through all the faces detected and determine whether or not they are in the database identities = [] for (x, y, w, h) in faces: x1 = x-PADDING y1 = y-PADDING x2 = x+w+PADDING y2 = y+h+PADDING frame = cv2.rectangle(frame,(x1, y1),(x2, y2),(255,0,0),2) height, width, channels = frame.shape # The padding is necessary since the OpenCV face detector creates the bounding box around the face and not the head part_image = frame[max(0, y1):min(height, y2), max(0, x1):min(width, x2)] if i == 1: pre[0:] = calc_embs(part_image,10,1) while u!=1: u = ser.write( b'P') u=0 else: ofg = calc_embs(part_image,10,1) #print(ofg) #i = i + 1 if i > 1: for m in pre: dot = np.sum(np.multiply(m, ofg), axis=0) norm = np.linalg.norm(m, axis=0) * np.linalg.norm(ofg, axis=0) similarity = dot / norm dist1 = np.arccos(similarity) / math.pi if dist1<0.32: print(dist1) h = 1 return h,v

Bueno y maine. Todo comienza con arduino, cuando la letra B se alimenta a través de la verruga, lo que significa que se presiona el botón. A continuación, se envía un comando al arduino para abrir la caja y se inicia la función para reconocer y guardar la cara. Luego, si el comando para presionar el botón nuevamente provino del arduino, comenzamos nuevamente la función de reconocimiento y si las caras convergen, entonces abra la caja.

 ser = serial.Serial('COM3', 9600, write_timeout=1, timeout=0.1) print(ser.name) # check which port was really used ##sio = io.TextIOWrapper(io.BufferedRWPair(ser, ser)) #ser.close() cap = cv2.VideoCapture(0) zz = 0 while(True): # Capture frame-by-frame ret, frame = cap.read() frame1 = search_face(frame) cv2.imshow('ffff', frame1) ff=ser.read(1) if(ff == b'B'): print("press_button") ff = b'u' zz = zz + 1 mmm, f = reco_face(frame, zz) if f == 5: zz = 0 print(mmm) if mmm == 1: print("otkrivaio") while u!=1: u = ser.write( b'P') u=0 h = 0 zz = 0 if cv2.waitKey(33) == ord('q'): break cap.release() cv2.destroyAllWindows()

El video está adjunto.

Cómo distinguir la cara de una persona de una fotografía de la cara de una persona, todavía no lo he pensado.

Enlace a github donde se encuentra el guión

Estamos escribiendo un programa para una cámara con reconocimiento facial.

More articles: