准备用于AI人脸识别的数据集

目录

介绍

获取数据集

准备解析器

分类数据集

下一步？

---

• 下载源8.4 KB

介绍

如果您看过《少数派报告》电影，您可能还记得汤姆·克鲁斯（Tom Cruise）走进一家Gap商店的场景。视网膜扫描仪读取他的眼睛，并为他播放定制的广告。好吧，这是2020年。我们不需要视网膜扫描仪，因为我们拥有人工智能（AI）和机器学习（ML）！

在本系列中，我们将向您展示如何使用深度学习进行面部识别，然后基于被识别的面部，使用神经网络语音合成（TTS）引擎播放自定义广告。

我们假设您熟悉AI/ML的基本概念，并且可以找到使用Python的方法。

获取数据集

在上一篇文章中，我们描述了检测图像中人脸的过程。现在，我们知道如何从较大的图片或视频中获取裁剪的面部图像，让我们假设已经完成了本练习，最后得到了一个数据集（面部集）来训练我们的CNN。但是，在训练之前，我们需要处理此数据集以对数据进行分类和规范化。在本文中，我们将创建一个数据集解析器/处理器，并在Yale Face数据集上运行它，其中包含15个不同人的165张灰度图像。这个数据集很小，但足以满足我们的学习目的。

准备解析器

数据集解析器将位于两个类中，一个是抽象类，另一个是更通用的类，另一个类处理所选数据集的细节。让我们看一下父类的构造函数。

class FaceDataSet(metaclass=abc.ABCMeta):

    def __init__(self, path,  extension_list, n_classes):
        self.path = path
        self.ext_list = extension_list
        self.n_classes = n_classes
        self.objects = []
        self.labels = []
        self.obj_validation = []
        self.labels_validation = []
        self.number_labels = 0

构造函数参数为：

• path：包含数据集样本（图像）的文件夹的路径
• extension_list：要在path-defined文件夹中查找的文件扩展名（一个或多个）
• n_classes：将数据集归类的类数；对于Yale数据集，这将是15，因为这是数据集中的人数

我们还创建下一个类对象：

• objects：用于CNN训练的图像
• labels：对图像（对象）进行分类的标签（主题编号）
• obj_validation：训练后用于验证CNN的图像子集
• labels_validation：obj_validation列表的分类器（标签）
• number_labels：数据集中的标签总数

get_data()方法是我们在实例化FaceDataSet类之后调用的方法。

def get_data(self):
    img_path_list = os.listdir(self.path)
    self.objects, self.labels = self.fetch_img_path(img_path_list, self.path, vgg_img_processing)
    self.process_data(vgg_img_processing)
    self.print_dataSet()

该方法由两个主要调用组成：从定义的路径获取图像并进行处理。要获取图像，我们遍历path-defined文件夹中的文件。然后，我们使用SK-Image将这些文件加载​​为灰度图像。该调用返回一个NumPy数组，其中包含图像中的每个像素。

def fetch_img_path(self, img_path_list, path, vgg_img_processing):
    images = []
    labels = []
    for img_path in img_path_list:
        if self.__check_ext(img_path):
            img_abs_path = os.path.abspath(os.path.join(path, img_path))
            image = io.imread(img_abs_path, as_gray=True)
            label = self.process_label(img_path)
            images.append(image)
            labels.append(label)
    return images, labels

def __check_ext(self, file_path):
    for ext in self.ext_list:
        if file_path.endswith(ext):
            return True
    return False

process_label()是FaceDataSet类中的抽象方法；它的实现发生在YaleDataSet类中，在该类中我们从数据集中解析图像文件的名称。文件名采用“subjectXX.*”格式。该方法从文件名中提取“XX”号并将其分配给图像。

class YaleFaceDataSet(FaceDataSet):

    def __init__(self, path, ext_list, n_classes):
        super().__init__(path, ext_list, n_classes)
    def process_label(self, img_path):
        val = int(os.path.split(img_path)[1].split(".")[0].replace("subject", "")) - 1
        if val not in self.labels:
            self.number_labels+=1
        return val

最后，process_data()方法如下所示：

def split_training_set(self):
    return train_test_split(self.objects, self.labels, test_size=0.3,
                            random_state=random.randint(0, 100))

def process_data(self, vgg_img_processing):
    self.objects, self.img_obj_validation, self.labels, self.img_labels_validation = \
        self.split_training_set()
    self.labels = np_utils.to_categorical(self.labels, self.n_classes)
    self.labels_validation = np_utils.to_categorical(self.img_labels_validation, self.n_classes)

    self.objects = Common.reshape_transform_data(self.objects)
    self.obj_validation =   Common.reshape_transform_data(self.img_obj_validation)

在这种方法中，我们将数据集分为两部分。第二部分包含用于验证训练结果的图像。我们使用Scikit-Learn提供的train_test_split()方法，并将标签转换为分类变量。如果图像的分类为“2”（来自subject02），则其分类变量将为[0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0] –第15维（类数）的向量，其中第二部分。

class Common:

    @staticmethod
    def reshape_transform_data(data):
        data = numpy.array(data)
        result = Common.reshape_data(data)
        return Common.to_float(result)

    @staticmethod
    def reshape_data(data):
        return data.reshape(data.shape[0], constant.IMG_WIDTH, constant.IMG_HEIGHT, 1)

    @staticmethod
    def to_float(value):
        return value.astype('float32')/255

reshape_transform_data()方法可对数据进行整形以适合灰度模式。在图像处理中，彩色图像被认为是3通道网格。换句话说，它们分为3种颜色（RGB）。灰度图像只有一个通道。因此，最初的彩色图像需要在最后用“1”整形。

to_float()方法通过将每个像素值除以255（像素值介于0到255之间）来标准化数据，这会将整个像素矩阵带到0-1空间，以实现更好的数值输入和更快的收敛。现在，我们可以在main.py文件中设置数据集，数据集将作为我们应用程序的入口点。

ext_list = ['gif', 'centerlight', 'glasses', 'happy', 'sad', 'leflight',
            'wink', 'noglasses', 'normal', 'sleepy', 'surprised', 'rightlight']
n_classes = 15
# Set up dataSet
dataSet = YaleFaceDataSet(constant.FACE_DATA_PATH, ext_list, n_classes)

分类数据集

...

下一步？

现在，我们已经有一个经过处理的分类数据集，可用于CNN训练。在接下来的文章中，我们将一起把我们的CNN和训练它的人脸识别。敬请关注！