人脸识别实战：使用MindSpore和OpenCV进行人脸分类

import cv2
import numpy as np
import mindspore
from mindspore import Tensor, load_checkpoint, load_param_into_net
from PIL import Image
from main import ResNet, BasicBlock

# 加载模型
network = ResNet(BasicBlock, [2, 2, 2, 2], num_classes=100)
model_path = 'D:/pythonProject7/ckpt/checkpoint_resnet_6-10_25.ckpt'
params = load_checkpoint(model_path)
load_param_into_net(network, params)

# 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)

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

    # 转换通道数
    if len(frame.shape) == 2:
        frame = cv2.cvtColor(frame, cv2.COLOR_GRAY2BGR)
    elif frame.shape[2] == 4:
        frame = cv2.cvtColor(frame, cv2.COLOR_BGRA2BGR)
    if frame.shape[2] == 1:
        frame = cv2.cvtColor(frame, cv2.COLOR_GRAY2BGR)

    # 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 = frame[y:y + h, x:x + w]
        face = cv2.resize(face, (224, 224))
        if len(face.shape) == 2:
            face = cv2.cvtColor(face, cv2.COLOR_GRAY2BGR)
        elif face.shape[2] == 4:
            face = cv2.cvtColor(face, cv2.COLOR_BGRA2BGR)
        if face.shape[2] == 1:
            face = cv2.cvtColor(face, cv2.COLOR_GRAY2BGR)
        face = cv2.cvtColor(face, cv2.COLOR_BGR2RGB)
        face = face.transpose().astype(np.float32) / 255.
        face = Tensor(face)
        face = face.asnumpy()
        face = np.expand_dims(face, axis=0)
        face = np.transpose(face, (0, 3, 1, 2))
        face = Tensor(face)

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

        # 在图像上标注人脸和类别
        cv2.rectangle(frame, (x, y), (x + w, y + h), (0, 0, 255), 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()

解决错误

# ...
face = cv2.cvtColor(face, cv2.COLOR_BGR2RGB)
face = face.transpose().astype(np.float32) / 255.
# 修改这里，确保通道数为3
face = np.expand_dims(face, axis=0)
face = np.transpose(face, (0, 3, 1, 2))
# ...

解释

face = cv2.cvtColor(face, cv2.COLOR_BGR2RGB): 将图像从BGR格式转换为RGB格式，因为MindSpore默认使用RGB通道顺序。
face = face.transpose().astype(np.float32) / 255.: 将图像数据类型转换为浮点数并进行归一化，使其像素值在[0,1]范围内。
face = np.expand_dims(face, axis=0): 将图像扩展为一个批次，以便输入到模型中。
face = np.transpose(face, (0, 3, 1, 2)): 将图像的通道数放到第二个维度，因为MindSpore期望输入张量为[N, C, H, W]的格式。

注意

确保label.txt文件位于代码目录下，且每行包含一个类别标签。
haarcascade_frontalface_default.xml文件可以从OpenCV官网下载。
使用摄像头进行测试时，可能需要调整代码中的摄像头编号。
模型的精度可能与训练数据和模型结构有关。
为了提高性能，可以考虑使用GPU加速计算。

总结

本代码示例展示了如何使用MindSpore和OpenCV进行人脸分类，并解决了代码中出现的错误。通过了解代码的原理和使用方法，可以帮助读者更好地理解和应用人脸识别技术。