⏮️ 🚁 🏊 Wir schreiben ein Programm für eine Kamera mit Gesichtserkennung 🅱️ 🤷🏽 ♦️

Die Gesichtserkennung hat bereits die ganze Welt erobert. Alle wichtigen Länder verwenden diese nützliche Funktion bereits. Warum nicht das Leben der Menschen noch komfortabler gestalten und die Gesichtserkennung nicht in die Gepäckaufbewahrung einbetten?

Bild

Dafür brauchen wir

heruntergeladenes neuronales Netzwerk-Facenet
Computer
Keras
opencv

Von Anfang an importieren wir Abhängigkeiten

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'

Eine Funktion, die ein Bild formatiert und über ein neuronales Netzwerk steuert

 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

Eine Funktion, die beim erstmaligen Drücken einer Taste das Gesicht einer Person speichert, die ein neuronales Netzwerk durchlaufen hat, und das bereits ein zweites Mal, nachdem sie ein neues Gesicht durch das Netzwerk gefahren hat, mit vergleicht

Spoiler Überschrift

 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

Na und Maine. Alles beginnt mit Arduino, wenn der Buchstabe B durch die Warze geführt wird, was bedeutet, dass der Knopf gedrückt wird. Als nächstes wird ein Befehl an das Arduino gesendet, um die Box zu öffnen, und die Funktion zum Erkennen und Speichern des Gesichts wird gestartet. Wenn dann der Befehl zum erneuten Drücken der Taste vom Arduino kam, starten wir erneut die Erkennungsfunktion. Wenn die Gesichter konvergieren, öffnen Sie die Box.

 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()

Das Video ist beigefügt.

Wie man das Gesicht einer Person von einem Foto des Gesichts einer Person unterscheidet - darüber habe ich noch nicht nachgedacht.

Link zu Github, wo das Skript liegt

Wir schreiben ein Programm für eine Kamera mit Gesichtserkennung

More articles: