实时人脸识别系统：基于MindSpore的Python实现

本项目使用MindSpore深度学习框架构建了一个实时人脸识别系统。系统能够识别摄像头捕捉到的图像中的人脸，并显示其所属类别。

代码实现

import os
import cv2
import numpy as np
import mindspore
from mindspore import Tensor, load_checkpoint, load_param_into_net
from mindspore.dataset.vision import py_transforms
from mindspore.dataset.transforms.py_transforms import Compose
from PIL import Image
from main import ResNet, BasicBlock

# 加载标签
with open('label.txt') as f:
    labels = f.readlines()
labels = [l.strip() for l in labels]

# 加载人脸检测器
face_cascade = cv2.CascadeClassifier('haarcascade_frontalface_default.xml')

# 打开摄像头
cap = cv2.VideoCapture(0)


# 遍历ckpt文件夹中的所有ckpt文件
ckpt_dir = 'D:/pythonProject7/ckpt/'
ckpt_files = os.listdir(ckpt_dir)
ckpt_files = [f for f in ckpt_files if f.endswith('.ckpt')]
ckpt_files.sort(key=lambda x: os.path.getmtime(os.path.join(ckpt_dir, x)))

for ckpt_file in ckpt_files:
    # 加载模型的函数
    def load_model():
        network = ResNet(BasicBlock, [2, 2, 2, 2], num_classes=100)
        params = load_checkpoint(os.path.join(ckpt_dir, ckpt_file))
        load_param_into_net(network, params)
        return network

    # 加载模型
    network = load_model()

    while True:
        # 读取视频帧
        ret, frame = cap.read()

        # 转换为灰度图像
        gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)

        # 检测人脸
        faces = face_cascade.detectMultiScale(gray, 1.3, 5)

        for (x, y, w, h) in faces:
            # 提取人脸图像
            face = gray[y:y + h, x:x + w]
            face = cv2.resize(face, (224, 224)).astype(np.float32)
            face = cv2.cvtColor(face, cv2.COLOR_GRAY2RGB)

            # 转换为Tensor类型，并进行归一化
            transform = Compose([
                py_transforms.ToTensor(),
                py_transforms.Normalize(mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225])
            ])
            face = transform(face)

            # 转换为Tensor类型，并增加一个维度
            face = Tensor(face)
            #face = mindspore.ops.ExpandDims()(face, 0)

            # 预测人脸所属的类别
            output = network(face)
            prediction = np.argmax(output.asnumpy())

            # 在图像上标注人脸和类别
            cv2.rectangle(frame, (x, y), (x + w, y + h), (0, 255, 0), 2)
            cv2.putText(frame, labels[prediction], (x, y - 10), cv2.FONT_HERSHEY_SIMPLEX, 0.9, (0, 0, 255), 2)

        # 显示图像
        cv2.imshow('frame', frame)
        if cv2.waitKey(1) & 0xFF == ord('q'):
            break

    # 释放摄像头并关闭窗口
    cap.release()
    cv2.destroyAllWindows()

运行结果

该系统能够实时识别摄像头捕捉到的图像中的人脸，并在图像上标注人脸和其所属类别。

常见问题

为什么运行时每一个人都是4号内容？

模型预测出的类别编号是根据模型在训练时所使用的标签顺序来进行编号的，而不是根据人脸的身份来进行编号的。因此，每个人预测出的类别编号都是固定的，如果所有人都被编号为4号，可能是因为在训练模型时，4号标签被分配给了所有人的类别。要解决这个问题，可以重新训练模型，并确保为每个人分配不同的类别标签。

其他说明

本项目使用MindSpore深度学习框架进行模型训练和推理。MindSpore是一个开源的深度学习框架，具有高性能、易用性等特点。
该项目仅供参考，具体代码需要根据实际情况进行修改。