手把手教你運用深度學習構建視頻人臉識別模型

知識 01-28

作者：Faizan Shaikh

翻譯：季洋

校對：王雨桐

本文約2700字，建議閱讀10 分鐘。

本文將展示如何使用開源工具完成一個人臉識別的演算法。

引言

「計算機視覺和機器學習已經開始騰飛，但是大多數人並不清楚計算機在識別一張圖片的時候，它到底看到了什麼。」

——麥克.克里奇

計算機視覺這個精彩領域在最近幾年突飛猛進，目前已經具備了一定的規模。大量的應用已經在全世界被廣泛使用 —— 而這也僅僅是個開始！

在這個領域中，我最讚賞的一件事就是對開源的接納。即使是那些技術大佬們也樂於與大家分享新的突破和創新，從而使這些技術不再「曲高和寡」。

其中一項技術就是人臉識別，它可以解決很多現實問題（如果被正確又合乎倫理地使用）。本文將展示如何使用開源工具完成一個人臉識別的演算法。以下是的一個有趣的演示，這也為接下來的內容做好鋪墊：

所以，你準備好了嗎？精彩才剛剛開始！

提示：如果你想要了解計算機視覺的複雜性，下面這個深度學習的計算機視覺是很好的起步課程。

Computer Vision using Deep Learning

https://trainings.analyticsvidhya.com/courses/course-v1:AnalyticsVidhya CVDL101 CVDL101_T1 /about

內容

人臉識別中有前景的應用

系統準備—— 硬體/軟體要求

硬體安裝

軟體安裝

探究Python的實現

簡單演練

人臉識別案例

人臉識別中有前景的應用

我找到了一些經典的人臉識別技術應用案例。你一定碰到過類似的例子，但並沒有意識到這些場景背後到底使用了什麼技術！

例如，對於每一張上傳到平台的圖像，Facebook都用自動生成的標籤建議替代手動給圖像加標籤。Facebook使用了一個簡單的人臉識別演算法來分析圖像中人臉的像素，同時將它和相關用戶做比較。我們將學習如何創建一個人臉識別模型，但是在我們描述相關的技術細節之前，先來探討一些其它的應用案例。

我們現在常常用最新的「人臉解鎖」功能來解鎖手機。這是一個很小的人臉識別技術案例，以幫助維護個人數據安全。同樣的想法可以應用於更大範圍，使相機能夠在抓取圖像的同時識別人臉。

人臉識別技術還應用於廣告、醫療、銀行等行業中，只是不太被人所知。在大多數公司，甚至在很多會議中，進入時都需要佩戴身份識別卡。但是我們能否找到一種無需佩戴任何身份識別卡就能進出的方法呢？人臉識別非常有助於這個想法的實現。人們只需要看著鏡頭，系統就會自動判斷他是否具備許可權。

另一個有趣的人臉識別應用是計算參與活動（如會議或音樂會）的人數。這並不是手動計算參加者的數量，我們可以安裝一個攝像機，它能夠捕捉參加者影像並計算人員總數。如此可以使得過程自動化，同時也能節省大量人力。這個技術非常實用，不是嗎？

你可以想出更多類似的應用 ——在下面的留言中和我們分享吧！

本文將側重於人臉識別的實踐應用，對演算法如何運作只作注釋。如果你想了解更多，可以瀏覽下面這篇文章：

Understanding and Building an Object Detection Model from Scratch in Python

https://www.analyticsvidhya.com/blog/2018/06/understanding-building-object-detection-model-python/

系統準備 —— 硬體/軟體要求

現在你知道了人臉識別技術可以實現的應用，讓我們看看如何能夠通過可用的開源工具來實現它。這就能體現領域的優勢了 —— 分享開源代碼的意願和行動都是其他領域無法比擬的。

針對本文，以下列出了我使用的和推薦使用的系統配置如下：

一個網路攝像頭（羅技 Logitech C920）用來搭建一個實時人臉識別器，並將其安裝在聯想E470 ThinkPad系列筆記本（英特爾酷睿5第7代內核Core i5 7th Gen）。你也可以使用筆記本電腦自帶的攝像頭，或電視監控系統攝像頭。在任意系統上做實時的視頻分析都可以，並不一定是我正在使用的配置。

使用圖形處理器（GPU）來加速視頻處理會更好。

在軟體方面，我們使用Ubuntu 18.04操作系統安裝所有必要的軟體。

為了確保搭建模型前的每件事都安排妥當，接下來我們將詳細探討如何配置。