Python怎么實現AI人臉識別

這篇文章主要介紹“Python怎么實現AI人臉識別”，在日常操作中，相信很多人在Python怎么實現AI人臉識別問題上存在疑惑，小編查閱了各式資料，整理出簡單好用的操作方法，希望對大家解答”Python怎么實現AI人臉識別”的疑惑有所幫助！接下來，請跟著小編一起來學習吧！

1、買臺小“電腦”

既然要做人臉識別，那得找臺帶攝像頭的小電腦啊。首先得價格便宜，簡單搜了下，基本有以下幾個選擇：

• 樹莓派4： ARM系統，生態好。價格合適，55刀。CPU在3個中最好，算力0.1TFLOPS

• K210：RISC-V的（非ARM），價格是最實惠的，299元。算力有0.8TOPS

• Jetson Nano：ARM系統，比樹莓派4還貴，但是多一個英偉達的GPU（當然是丐版的GPU），價格99刀。算力0.47TFLOPS

這3個里面，考慮到人臉識別應該有更多的AI屬性，那么帶GPU能做AI推理不是更香么，于是就選擇了英偉達的Jetson Nano開發板（主要也是想先入門英偉達的GPU派系，誰叫現在NVIDIA比較香呢）。

2、啟動系統

這里需要先把“系統image”刷到 tf 卡里面，然后把tf卡插到開發板上，然后開機啟動。啟動有2個點需要注意：

1. 跳線帽，需要插上（不然電源點不亮）。

2. 第一次開機會卡住，需要重啟一次。

啟動后，發現是個帶界面的 Ubuntu系統，接上鼠標+鍵盤，就是最熟悉的小電腦嘛。

連接網絡，設置國內Ubuntu源，安裝 jtop 命令（因為nano不能敲 nvidia-smi 命令）。

3、原來CUDA是個編譯器

既然選了英偉達的GPU開發板，剛好了解一下CUDA是什么。

3.1 寫個CUDA程序

可以看到是C語言的，一共就2個函數。一個main函數，一個useCUDA函數。

要跑起來，需要先進行編譯。發現不使用gcc，而是使用 nvcc 編譯器，有意思。

Jetson Nano的image已經安裝了nvcc，所以可以直接用，只是使用前需要設置一下path。

export CUDA_HOME=/usr/local/cuda-10.0
export LD_LIBRARY_PATH=/usr/local/cuda-10.0/lib64:$LD_LIBRARY_PATH
export PATH=/usr/local/cuda-10.0/bin:$PATH

設置后，才可以敲 nvcc 命令。

于是開始編譯：

nvcc -o main.out main.cu foo.cu  （跟gcc編譯一樣）

運行：./main.out 即可。呵，原來CUDA是個編譯器啊（編譯出給GPU跑的程序）。

3.2 CUDA在干嘛

普通的程序編譯出來都是給CPU跑的；寫個程序，想給GPU跑，就得使用cuda編譯器了。畢竟咱們的這個GPU弱是弱了一點，也有128核呢，跑這種簡單的cuda程序還是OK的。

另外，CUDA還提供了一些現成的操作GPU的函數，比如：矩陣乘法，矩陣轉置 之類的。CUDA只能用于英偉達的GPU，用于利用GPU進行復雜的并行計算。然后很多AI框架都是基于CUDA搞的，所以跑個cuda程序，幫助理解挺好的。

4、檢測攝像頭功能OK

這里需要使用 nvgstcapture-1.0 命令，經查，字母gst原來是Gstreamer的縮寫。

直接敲：

nvgstcapture-1.0

發現可以把攝像頭打開了。

4.1 Gstreamer

搜了下，發現是一個音視頻流處理的pipeline框架。

比如Shell命令的管道符為：|

為避免沖突，Gstreamer的管道符，用了個比較像的：! 符號。

5、人臉可以正常識別

Copy了一個 face_detect.py 文件。

直接運行了：

python ./face_detect.py

發現就可以識別出人臉了，厲害了。。。（額，只是圖像是倒過來的）

于是簡單看了下代碼（不會Python，但是也大概能看懂），發現有一個圖像模式的參數 “flip_method=0”，我改成了6，發現圖像就轉過來正常了。

再看了下，發現獲取攝像頭拍攝的圖片，還是通過 Gstreamer 來實現的。

6、Opencv才是隱藏的Boss？

通過上面的章節，發現總共代碼沒幾行，怎么就能識別人臉了呢？雖然python不熟，但好在代碼少，仔細看了下：發現主要是調用了opencv的函數就可以識別人臉了，那說明opencv還是得了解一下。

你看識別人臉的代碼，總共也就10行，簡單過一下：

6.1 Haar分類器

再搜索，發現這里的人臉識別用的是 “Haar分類器”這種方法實現的。學習了下，屬于機器學習的范疇，沒有用卷積神經網絡。

7、Windows上面復現人臉識別

既然通過opencv就能識別人臉，那我不需要攝像頭，直接拿圖片是不是也可以跑了？于是Windows上面安裝個opencv試試。

7.1 安裝Python

去 https://www.python.org/ 下載最新的Python， 安裝后就有Python了。當然執行命令是 py。

7.2 pip命令

發現pip命令，還是不行。 找到原來在：

C:\Users\tsjsdbd\AppData\Local\Programs\Python\Python39\Scripts

這個目錄下。

于是把這個路徑，加入到了本機的環境變量里面：

所以pip命令ok了

7.3 設置pip國內源

vi ~/pip/pip.ini

然后設置內容：

[global]
index-url = https://pypi.tuna.tsinghua.edu.cn/simple

7.4 安裝 opencv 包

pip install opencv-python

這條命令會同時安裝 numpy 包。

Ps：如果需要代理。設置一下

  export http_proxy=http://代理:端口
export https_proxy=http://代理:端口

7.5 重現Haar人臉識別

下載一個帶人臉的jpg照片，這里假設名為 face.jpg

detect.py代碼如下：

import cv2

# load model
detector=cv2.CascadeClassifier('C:/Users/t00402375/AppData/Local/Programs/Python/Python39/Lib/site-packages/cv2/data/haarcascade_frontalface_default.xml')

src = cv2.imread("./face.jpg")
cv2.namedWindow("image", cv2.WINDOW_AUTOSIZE);

# detect
gray=cv2.cvtColor(src,cv2.COLOR_BGR2GRAY)
faces=detector.detectMultiScale(gray,1.2,5)

# box
for x,y,w,h in faces:
    cv2.rectangle(src,(x,y),(x+w,y+h),(255,0,0),2)	

# show
cv2.imshow("image", src);
cv2.waitKey(0);
cv2.destroyAllWindows();

運行就行了。

py detect.py

得到結果：

發現確實可以，杠杠滴。

8、通過神經網絡的人臉識別

現在視頻圖像的識別，一般走CNN，所以咱也得玩一遍。Jetson 開發板，自己配套了一套 jetson-inference 的推理項目，就是用來跑GPU推理的。

到此，關于“Python怎么實現AI人臉識別”的學習就結束了，希望能夠解決大家的疑惑。理論與實踐的搭配能更好的幫助大家學習，快去試試吧！若想繼續學習更多相關知識，請繼續關注億速云網站，小編會繼續努力為大家帶來更多實用的文章！