從實時視頻或視頻文件中檢測面部表情和意識。背後的靈感是什麼？通過網絡攝像頭看著我，但被深度學習所取代
實時視頻分類器演示
介紹
本教程的目標？使用fast.ai庫訓練面部表情分類模型，從您的網絡攝像頭或視頻文件中讀取面部表情，最後添加面部標記以跟蹤您的眼睛以確定意識！
在進行該項目時，面臨的一大挑戰是弄清楚如何使用經過訓練的分類器，使其能夠有效地用於實時視頻和視頻文件。
第一步是用卷積神經網絡訓練圖像分類模型。我使用的數據來自https://www.kaggle.com/jonathanoheix/face-expression-recognition-dataset
我使用了構建在PyTorch之上的fast.ai庫來訓練我的分類模型。使用resnet34預訓練的權重和訓練數據集對模型進行訓練，並以.pkl文件的形式導出。有關分步說明，請在我的存儲庫中查看Google colab筆記本，其中包含用於訓練模型的所有代碼：https : //github.com/jy6zheng/FacialExpressionRecognition
最大的挑戰是首先找到一個公共數據集，然後清理數據。最初，當我使用Kaggle數據集時，我只能訓練到0.328191的錯誤率，這意味著大約68％的時間它是正確的（一點也不好）。當我繪製產生最大損失的圖像時，我很快意識到大量數據被錯誤地標記了（左邊是模型的預測表達，右邊是被標記的情感）。
下排第三名的女孩顯然不開心
清除數據後，錯誤率降低了16％以上。現在，分類器的準確度約為84％，這意味著它可以正確識別84％的面部圖像。仍然有一些不正確和骯髒的數據，因此還有更多改進的空間。
如您所見，中性和悲傷的面孔最容易讓人感到困惑
在直播視頻上使用訓練好的模型
現在，是時候採用我們的分類器並將其用於實時視頻流了。首先，最好創建一個虛擬環境，以便該項目具有自己的依賴性，並且不會干擾任何其他項目。然後，下載所需的軟體包和庫。創建一個名為liveVideoFrame.py的文件（或任何您想命名的文件）並導入以下內容：
from scipy.spatial import distance as distimport numpy as npimport cv2from imutils import face_utilsfrom imutils.video import VideoStreamfrom fastai.vision import *import imutilsimport argparseimport timeimport dlib
我想要該選項將預測保存在.csv文件中並保存標記的視頻，因此我添加了參數解析功能。我還導出了訓練有素的分類模型，並將其移至我的工作目錄。
ap = argparse.ArgumentParser()ap.add_argument("--save", dest="save", action = "store_true")ap.add_argument("--no-save", dest="save", action = "store_false")ap.set_defaults(save = False)ap.add_argument("--savedata", dest="savedata", action = "store_true")ap.add_argument("--no-savedata", dest="savedata", action = "store_false")ap.set_defaults(savedata = False)args = vars(ap.parse_args())path = '/Users/joycezheng/FacialRecognitionVideo/' #change this depending on the path of your exported modellearn = load_learner(path, 'export.pkl')
現在是時候開始我們的視頻流了。我從imutils.video使用VideoStream，因為我發現它比cv2.VideoCapture的運行速度更快。注意：內置網絡攝像頭的視頻流源為0，如果您使用其他攝像頭（例如插件），則視頻流的源將不同。
Haar級聯分類器用於識別視頻幀中的正面。我們有一個名為data的數組來存儲我們的預測。timer和time_value用於在我們的數據中標記每個預測的時間，以便在.csv文件中預測增加1s。
face_cascade = cv2.CascadeClassifier("haarcascade_frontalface_default.xml") vs = VideoStream(src=0).start()start = time.perf_counter() data = []time_value = 0if args["save"]: out = cv2.VideoWriter(path + "liveoutput.avi", cv2.VideoWriter_fourcc('M','J','P','G'), 10, (450,253))
現在，我們將實現一個while循環，該循環從視頻流中讀取每個幀：
由於圖像分類器是在灰度圖像上訓練的，因此每個幀都轉換為灰度級聯分類器用於查找框架中的人臉。我將minneighbors參數設置為5，因為我發現它在實時視頻中效果最好。對於錄製的視頻文件，我將其設置為較高的值，因為可以保證每幀中都有一張臉由於我們的分類器是在沒有太多背景的特寫臉部上訓練的，因此使用0.3的緩衝區為臉部裁剪了灰度圖像然後將文本和邊界框繪製到每個框架上並顯示然後使用out.write（frame）將每個幀保存到視頻編寫器while True: frame = vs.read() frame = imutils.resize(frame, width=450) gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY) face_coord = face_cascade.detectMultiScale(gray, 1.1, 5, minSize=(30, 30)) for coords in face_coord: X, Y, w, h = coords H, W, _ = frame.shape X_1, X_2 = (max(0, X - int(w * 0.3)), min(X + int(1.3 * w), W)) Y_1, Y_2 = (max(0, Y - int(0.3 * h)), min(Y + int(1.3 * h), H)) img_cp = gray[Y_1:Y_2, X_1:X_2].copy() prediction, idx, probability = learn.predict(Image(pil2tensor(img_cp, np.float32).div_(225))) cv2.rectangle( img=frame, pt1=(X_1, Y_1), pt2=(X_2, Y_2), color=(128, 128, 0), thickness=2, ) cv2.putText(frame, str(prediction), (10, frame.shape[0] - 25), cv2.FONT_HERSHEY_SIMPLEX, 0.7, (225, 255, 255), 2) cv2.imshow("frame", frame) if args["save"]: out.write(frame) if cv2.waitKey(1) & 0xFF == ord("q"): breakvs.stop()if args["save"]: print("done saving video") out.release()cv2.destroyAllWindows()
現在，我們有了與imutils和OpenCV一起使用的fast.ai學習模型，可以根據實時視頻預測面孔！
接下來，是時候確定面部的意識了。函數eye_aspect_ratio從眼睛的坐標計算出眼睛的縱橫比。每隻眼睛的位置和坐標可從dlib預訓練的面部界標檢測器中找到。函數data_time用於每1秒間隔將預測添加到數據數組中。
EYE_AR_THRESH = 0.20EYE_AR_CONSEC_FRAMES = 10COUNTER = 0def eye_aspect_ratio(eye): A = dist.euclidean(eye[1], eye[5]) B = dist.euclidean(eye[2], eye[4]) C = dist.euclidean(eye[0], eye[3]) ear = (A + B) / (2.0 * C) return eardef data_time(time_value, prediction, probability, ear): current_time = int(time.perf_counter()-start) if current_time != time_value: data.append([current_time, prediction, probability, ear]) time_value = current_time return time_valuepredictor = dlib.shape_predictor("shape_predictor_68_face_landmarks.dat")(lStart, lEnd) = face_utils.FACIAL_LANDMARKS_IDXS["left_eye"](rStart, rEnd) = face_utils.FACIAL_LANDMARKS_IDXS["right_eye"]
在循環人臉坐標的for循環中，添加以下代碼塊。使用dlib人臉界標檢測器檢測眼睛並將其繪製到框架上。當兩隻眼睛之間的平均計算出的眼睛縱橫比小於十個連續幀（您可以根據自己的喜好進行修改）的閾值時，該臉部將標記為分散注意力。
rect = dlib.rectangle(X, Y, X+w, Y+h) shape = predictor(gray, rect) shape = face_utils.shape_to_np(shape) leftEye = shape[lStart:lEnd] rightEye = shape[rStart:rEnd] leftEAR = eye_aspect_ratio(leftEye) rightEAR = eye_aspect_ratio(rightEye) ear = (leftEAR + rightEAR) / 2.0 leftEyeHull = cv2.convexHull(leftEye) rightEyeHull = cv2.convexHull(rightEye) cv2.drawContours(frame, [leftEyeHull], -1, (0, 255, 0), 1) cv2.drawContours(frame, [rightEyeHull], -1, (0, 255, 0), 1) if ear < EYE_AR_THRESH: COUNTER += 1 if COUNTER >= EYE_AR_CONSEC_FRAMES: cv2.putText(frame, "Distracted", (10, 30), cv2.FONT_HERSHEY_SIMPLEX, 0.7, (0, 0, 255), 2) else: COUNTER = 0 cv2.putText(frame, "Eye Ratio: {:.2f}".format(ear), (250, 30), cv2.FONT_HERSHEY_SIMPLEX, 0.7, (0, 0, 255), 2) time_value = data_time(time_value, prediction, probability, ear)
最後，在代碼的底部，我們可以將數據另存為數據框，然後另存為.csv文件。
if args["savedata"]:df = pd.DataFrame(data, columns = ['Time (seconds)', 'Expression', 'Probability', 'EAR'])df.to_csv(path+'/exportlive.csv')print("data saved to exportlive.csv")
您可以通過運行以下命令在命令行中測試代碼：
python liveVideoFrameRead.py --save --savedata
與實時視頻相比，我對視頻文件使用了非常相似的方法。主要區別在於，預測會每幀數發生一次，可以使用命令行參數「 frame-step」進行修改。完整的代碼如下：就是這樣！現在，您可以從視頻文件和實時網絡攝像頭中預測面部表情。
感謝閱讀！