바뀜
둘러보기로 가기
검색하러 가기
20번째 줄:
20번째 줄: − + − + − img_bgr = cv2.imread(img_path)+ − img_rgb = cv2.cvtColor(img_bgrk, cv2.COLOR_BGR2RGB) # 나중에 이거 빼보자.+ − + − _, shape = find_face(img_rgb)+ − descs[name] = encode_face(img_rgb, img_shapes)[0]+ − + − + − print(descs)+ + + + + + + + + 40번째 줄:
48번째 줄: − + + 66번째 줄:
75번째 줄: − detect_faces(img) +
→구현방법
=== 얼굴 입력하기 ===
=== 얼굴 입력하기 ===
분류할 얼굴을 입력한다.<syntaxhighlight lang="python">
분류할 얼굴을 특정 디렉터리 안에 그림파일로 넣고, 이들의 특징을 담은 넘파이 배열을 descs.npy에 저장한다.
for name, img_path in img_paths.items():
이는 최초에 얼굴에 대해 교육할 때만 사용한다.<syntaxhighlight lang="python">
def educate():
import os
path_dir = 'C:\\Users\\id843\\PycharmProjects\\AI_practice\\img\\to_recognize\\'
img_list = os.listdir(path_dir)
people = {}
np.save('img/descs.npy', descs)
for name in img_list:
img_bgr = cv2.imread(path_dir + name)
name = name.split('.')[0] # 확장자를 쳐내고 앞의 이름만 따온다.
face = detector(img_bgr)[0] # 얼굴 하나만 받는다.
dlib_shape = predictor(img_bgr, face) # 특징점을 리턴받는다.
face_descriptor = facerec.compute_face_descriptor(img_bgr, dlib_shape)
people[name] = np.array(face_descriptor) # 연산을 위해 배열로 저장.
np.save('img\descs.npy', people)
</syntaxhighlight>
</syntaxhighlight>
=== 함수정의 ===
=== 함수정의 ===
|얼굴의 특징점을 찾아 배열로 반환한다.
|얼굴의 특징점을 찾아 배열로 반환한다.
|<syntaxhighlight lang="python">
|<syntaxhighlight lang="python">
def detect_faces(img):
def recognize_faces(img):
'''얼굴의 특징점을 찾아 기존의 기억된 인물들과 대조한다'''
faces = detector(img, 1)
faces = detector(img, 1)
if len(faces) == 0:
if len(faces) == 0:
if not ret: # 잘 찍히면 ret은 True를 반환한다.
if not ret: # 잘 찍히면 ret은 True를 반환한다.
break # 프레임이 없다면 종료.
break # 프레임이 없다면 종료.
recognize_faces(img)
cv2.imshow('window', img) # 창에 해당하는 이미지를 띄운다.
cv2.imshow('window', img) # 창에 해당하는 이미지를 띄운다.
cv2.waitKey(1) # 이게 있어야 창이 제대로 열린다.
cv2.waitKey(1) # 이게 있어야 창이 제대로 열린다.
</syntaxhighlight>
</syntaxhighlight>
[[분류:딥러닝 트레킹]]
[[분류:딥러닝 트레킹]]