基于 MTCNN/TensorFlow 实现人脸检测
2017-08-28 17:10
633 查看
人脸检测方法有许多,比如opencv自带的人脸Haar特征分类器和dlib人脸检测方法等。对于opencv的人脸检测方法,有点是简单,快速;存在的问题是人脸检测效果不好。正面/垂直/光线较好的人脸,该方法可以检测出来,而侧面/歪斜/光线不好的人脸,无法检测。因此,该方法不适合现场应用。对于dlib人脸检测方法
,效果好于opencv的方法,但是检测力度也难以达到现场应用标准。
MTCNN是基于深度学习的人脸检测方法,对自然环境中光线,角度和人脸表情变化更具有鲁棒性,人脸检测效果更好;同时,内存消耗不大,可以实现实时人脸检测。
代码如下:
实验效果如下:
再上一组效果图:
关于MTCNN,更多资料可以参见:https://kpzhang93.github.io/MTCNN_face_detection_alignment/index.html?from=timeline&isappinstalled=1
,效果好于opencv的方法,但是检测力度也难以达到现场应用标准。
MTCNN是基于深度学习的人脸检测方法,对自然环境中光线,角度和人脸表情变化更具有鲁棒性,人脸检测效果更好;同时,内存消耗不大,可以实现实时人脸检测。
代码如下:
from scipy import misc import tensorflow as tf import detect_face import cv2 import matplotlib.pyplot as plt %pylab inline minsize = 20 # minimum size of face threshold = [ 0.6, 0.7, 0.7 ] # three steps's threshold factor = 0.709 # scale factor gpu_memory_fraction=1.0 print('Creating networks and loading parameters') with tf.Graph().as_default(): gpu_options = tf.GPUOptions(per_process_gpu_memory_fraction=gpu_memory_fraction) sess = tf.Session(config=tf.ConfigProto(gpu_options=gpu_options, log_device_placement=False)) with sess.as_default(): pnet, rnet, onet = detect_face.create_mtcnn(sess, None) image_path = '/home/cqh/faceData/multi_face/multi_face3.jpg' img = misc.imread(image_path) bounding_boxes, _ = detect_face.detect_face(img, minsize, pnet, rnet, onet, threshold, factor) nrof_faces = bounding_boxes.shape[0]#人脸数目 print('找到人脸数目为:{}'.format(nrof_faces)) print(bounding_boxes) crop_faces=[] for face_position in bounding_boxes: face_position=face_position.astype(int) print(face_position[0:4]) cv2.rectangle(img, (face_position[0], face_position[1]), (face_position[2], face_position[3]), (0, 255, 0), 2) crop=img[face_position[1]:face_position[3], face_position[0]:face_position[2],] crop = cv2.resize(crop, (96, 96), interpolation=cv2.INTER_CUBIC ) print(crop.shape) crop_faces.append(crop) plt.imshow(crop) plt.show() plt.imshow(img) plt.show()
实验效果如下:
再上一组效果图:
关于MTCNN,更多资料可以参见:https://kpzhang93.github.io/MTCNN_face_detection_alignment/index.html?from=timeline&isappinstalled=1
相关文章推荐
- 基于MTCNN/TensorFlow实现人脸检测
- 基于 MTCNN/TensorFlow 实现人脸检测
- 基于NCNN的人脸检测MTCNN实现过程
- 【Caffe实践】基于Caffe的人脸检测实现
- 基于Tensorflow+Python实现降噪自动编码器(DAE)
- 基于Caffe的人脸关键点检测实现
- 基于MATLAB的adaboost级联形式的人脸检测实现
- 基于Caffe的人脸关键点检测实现
- 基于MTCNN的人脸自动对齐技术原理及其Tensorflow实现测试
- 基于opencv人脸检测原理及实现
- Python基于OpenCV实现视频的人脸检测
- 【Caffe实践】基于Caffe的人脸关键点检测实现
- 基于Caffe的人脸检测实现
- 【Caffe实践】基于Caffe的人脸检测实现
- Linux系统下利用OpenCV实现人脸检测和基于LBPH算法的人脸识别
- 基于Face++实现的人脸检测(年龄检测)Android程序
- 基于opencv人脸检测原理及实现
- 【Caffe实践】基于Caffe的人脸检测实现
- 【Caffe实践】基于Caffe的人脸检测实现
- 基于tensorflow keras实现何凯明大神的Mask R-CNN的介绍