掌握笑脸数据集(genki4k)正负样本的划分、模型训练和测试的过程(至少包括SVM、CNN

训练数据集

导入keras：

需要导入的库：

import keras
import os, shutil
from keras import layers
from keras import models
from keras import optimizers
from keras.preprocessing.image import ImageDataGenerator
import matplotlib.pyplot as plt
————————————————

效果：

对数据集设置训练测试集、正负样本路径

train_dir='./smile/train'
train_smiles_dir='./smile/train/smile'
train_unsmiles_dir='./smile/train/unsmile'
test_dir='./smile/test'
test_smiles_dir='./smile/test/smile'
test_unsmiles_dir='./smile/test/unsmile'

定义打印出训练集和测试集的正负样本尺寸函数

# 定义构建小型卷积网络并进行数据集预处理函数

输入函数（函数包括对模型的训练，模型优化、和模型保存、以及模型精度）

整体函数运行之后，得到如下：
训练模型精度及损失：


在本地文件生成了：

摄像头采集人脸：

#检测视频或者摄像头中的人脸
import cv2
from keras.preprocessing import image
from keras.models import load_model
import numpy as np
import dlib
from PIL import Image
model = load_model('./smile.h5')
detector = dlib.get_frontal_face_detector()
video=cv2.VideoCapture(0)
font = cv2.FONT_HERSHEY_SIMPLEX
def rec(img):gray=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)dets=detector(gray,1)if dets is not None:for face in dets:left=face.left()top=face.top()right=face.right()bottom=face.bottom()cv2.rectangle(img,(left,top),(right,bottom),(0,255,0),2)img1=cv2.resize(img[top:bottom,left:right],dsize=(150,150))img1=cv2.cvtColor(img1,cv2.COLOR_BGR2RGB)img1 = np.array(img1)/255.img_tensor = img1.reshape(-1,150,150,3)prediction =model.predict(img_tensor)    if prediction[0][0]>0.5:result='smile'else:result='unsmile'cv2.putText(img, result, (left,top), font, 2, (0, 255, 0), 2, cv2.LINE_AA)cv2.imshow('myself', img)
while video.isOpened():res, img_rd = video.read()if not res:breakrec(img_rd)if cv2.waitKey(5) & 0xFF == ord('q'):break
video.release()
cv2.destroyAllWindows()

实现结果：

口罩数据集

通过如下python代码，修改正样本数据集的像素为20x20：

#修改正样本像素
import pandas as pd
import cv2
for n in range(1000,1606):#代表正数据集中开始和结束照片的数字path='F:\\mask\\have_mask\\'+str(n)+'.jpg'# 读取图片img = cv2.imread(path)img=cv2.resize(img,(20,20)) #修改样本像素为20x20cv2.imwrite('F:\\mask\\have_mask\\' + str(n) + '.jpg', img)n += 1

同样的，修改负样本的像素为60x60：

#修改负样本像素
import pandas as pd
import cv2
for n in range(10000,11790):#代表负样本数据集中开始和结束照片的数字path='F:\\mask\\no_mask\\'+str(n)+'.jpg'# 读取图片img = cv2.imread(path)img=cv2.resize(img,(60,60)) #修改样本像素为60x60cv2.imwrite('F:\\mask\\no_mask\\' + str(n) + '.jpg', img)n += 1

需要通过对txt文档进行预处理，向have_mask.txt文件没行中加入 1 0 0 20 20

负样本文件预处理 没行目录结尾加入 1 0 0 60 60：

双击traincascade.bat文件，进行人脸口罩模型训练

最后生成了如下：

xml文件则生成：

代码:

import cv2
detector= cv2.CascadeClassifier('C:/Users\zys/Anaconda3/Lib/site-packages/cv2\data/haarcascade_frontalface_default.xml')
mask_detector=cv2.CascadeClassifier('F:/mask/xml/cascade.xml')
cap = cv2.VideoCapture(0)
while True:ret, img = cap.read()gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)faces = detector.detectMultiScale(gray, 1.1, 3)for (x, y, w, h) in faces:#参数分别为 图片、左上角坐标，右下角坐标，颜色，厚度face=img[y:y+h,x:x+w]  # 裁剪坐标为[y0:y1, x0:x1]mask_face=mask_detector.detectMultiScale(gray, 1.1, 5)for (x2,y2,w2,h2) in mask_face:cv2.rectangle(img, (x2, y2), (x2 + w2, y2 + h2), (0, 0, 255), 2)cv2.imshow('mask', img)cv2.waitKey(3)
cap.release()
cv2.destroyAllWindows()

运行结果：
戴口罩识别了出来：

没戴口罩，识别不出来：