얼굴인식

1 개요

얼굴추적을 한 후 해당 얼굴이 어떤 사람의 얼굴인지 파악하는 기술이다. 얼굴을 찾거나 따라가는 기술을 찾는다면 얼굴추적 문서를 참고하자.

2 구현방법

첫 번째 단계로 얼굴찾기를 수행해주어야 한다.

import dlib  # 얼굴인식
import cv2  # 이미지처리
import numpy as np  # 연산

detector = dlib.get_frontal_face_detector()  # 얼굴탐지모델
predictor = dlib.shape_predictor('shape_predictor_68_face_landmarks.dat')  # 얼굴 랜드마크 탐지 모델. 학습된 모델을 가져온다.
facerec = dlib.face_recognition_model_v1('models/dlib_face_recognition_resnet_model_v1.dat')  # 인식모델. 랜드마크에서 shape를 받아 구분한다.
# 위 모델로 특정인을 인식할 수 있다.

descs = np.load('img/descs.npy', allow_pickle=True)[()]
cap = cv2.VideoCapture(0)  # 영상 캡쳐. 경로 대신 0을 넣으면 웹캠이 켜진다.

dlib_face_recognition_reset_model 은 다음 링크를 통해 받자. 링크

위 과정에서 에러가 난다면 얼굴추적 문서를 참고하자.

2.1 함수정의

의도

설명

방법

특징점을 배열로 반환하기

얼굴의 특징점을 찾아 배열로 반환한다.

def detect_faces(img):
    faces = detector(img, 1)
    if len(faces) == 0:
        return np.empty(0)

    for k, face in enumerate(faces):
        shape = predictor(img, face)  # 주어진 얼굴의 특징점을 찾는다.
        face_descriptor = facerec.compute_face_descriptor(img, shape)

    result = {'name':'unkown', 'dist':0.6, 'color':(0,0,255)}  # 못찾았을 때의 기본값.
    for name, saved_desc in descs.items():  # 교육된 아이템에서 순회한다....
        dist = np.linalg.norm([face_descriptor] - saved_desc, axis=1)  # 인식된 데이터와 학습된 데이터를 비교.
        if dist < result['dist']:  # 일치값이 0.6보다 낮다면..(일반적으로 0.6이 잘 된다고 알려져 있음)
            result = {'name': name, 'dist': dist, 'color': (255, 255, 255)}

    cv2.putText(img, result['name'], org=(face.left(), face.top()), fontFace=cv2.FONT_HERSHEY_SIMPLEX,
                fontScale=1, color=result['color'], thickness=2)

2.2 실행

while True:  # 기본적으로 계속 진행
    ret, img = cap.read()  # 캡처한 영상을 프레임 단위로 읽는다.
    if not ret:  # 잘 찍히면 ret은 True를 반환한다.
        break  # 프레임이 없다면 종료.
    detect_faces(img)
    cv2.imshow('window', img)  # 창에 해당하는 이미지를 띄운다.
    cv2.waitKey(1)  # 이게 있어야 창이 제대로 열린다.