老板给了你1000张美女model照片，让你选5位出来参加展会，请问你如何选？
A：我会嗖嗖嗖过一遍，然后随机挑5张顺眼的。
紫薯：还不如让老板随机选顺眼的。
B：开个小组会，集合大家的意见选5个最漂亮的。
紫薯：你真不在乎老板想看到哪几位美女么？
C：随机选5个身材满足标准、容貌可佳的就可以了。
紫薯：你的决策也很随机哇。
紫薯觉得：我们需要考虑老板最喜欢长成什么样的女生，需要知道来看台的客户对美女的偏好，要知道哪些美女的长相与产品、场景更相配。
所以...最好还是用上图像识别技术，让“万能”的算法帮你搞定，不然搞完这些保证你看到美女就想吐。
为了简单起见，这里只考虑老板喜好这一个因素。因为无论因素多少，我们只需要确定一个标准美女便可。
紫薯的解决方案：
第一步：紫薯：“老板，你觉得哪个明星最漂亮？” 老板：“ 孙俪”。
第二步：小叔花了3秒钟找了张孙俪姐姐的照片。
第三步：又花了3秒钟把自己的那套人脸识别、人脸相似度匹配的软件程序打开。(mac pro,)
第四步：跑程序自动匹配从1000张原始图片中抠出人脸结果，花了30分钟，这期间我喝了个茶看看了远处的风景。
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
class="python plain">......
modelin/1 (9)(8).jpg
modelin/1 (9)(9).jpg
modelin/1 (9).jpg
modelin/Alyson-Hannigan-5.jpg
modelin/Alyson_Hannigan_200512.jpg
modelin/fangbingbing.jpg
modelin/gaoyuanyuan.jpg
modelin/libingbing.jpg
modelin/linqingxia.jpg
modelin/linzhiling.jpg
modelin/liushishi.jpg
modelin/liuyifei.jpg
modelin/lizhi.jpg
modelin/Miley-Cyrus-Photos.jpg
modelin/Screenshot at Dec 11 22-10-55.png
modelin/shuwei.jpg
modelin/tangwei.jpg
modelin/zhangmanyu.jpg
detect 1015 faces, cost 1777.025725 seconds! /////耗时
下面是给每张图片打分，733张有效人脸，耗时35s：
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19......
图片名称:[1 (9)(7)face.jpg], 与目标图片相似度=[74]
图片名称:[1 (9)(8)face.jpg], 与目标图片相似度=[64]
图片名称:[1 (9)(9)face.jpg], 与目标图片相似度=[66]
图片名称:[1 (9)face.jpg], 与目标图片相似度=[54]
图片名称:[Alyson-Hannigan-5face.jpg], 与目标图片相似度=[52]
图片名称:[Alyson_Hannigan_200512face.jpg], 与目标图片相似度=[46]
图片名称:[gaoyuanyuanface.jpg], 与目标图片相似度=[44]
图片名称:[libingbingface.jpg], 与目标图片相似度=[42]
图片名称:[linqingxiaface.jpg], 与目标图片相似度=[58]
图片名称:[linzhilingface.jpg], 与目标图片相似度=[56]
图片名称:[liushishiface.jpg], 与目标图片相似度=[44]
图片名称:[liuyifeiface.jpg], 与目标图片相似度=[44]
图片名称:[lizhiface.jpg], 与目标图片相似度=[54]
图片名称:[Miley-Cyrus-Photosface.jpg], 与目标图片相似度=[44]
图片名称:[Screenshot at Dec 11 22-10-55face.jpg], 与目标图片相似度=[56]
图片名称:[tangweiface.jpg], 与目标图片相似度=[44]
图片名称:[zhangmanyuface.jpg], 与目标图片相似度=[48]
detect 733 faces, cost 35.284538999999995 seconds!//////耗时
前五名的结果出来了
1 2 3 4 5图片名称: (52)face.jpg , 与目标图片相似度= 94
图片名称: 0 (142)face.jpg , 与目标图片相似度= 94
图片名称: 1 (27)face.jpg , 与目标图片相似度= 94
图片名称: 1 (26)(5)face.jpg , 与目标图片相似度= 92
图片名称: 1 (2)face.jpg , 与目标图片相似度= 92
第五步：又花了3秒钟，5位绝色美女的照片被发到老板面前，而这五位都是老板最喜欢的。
耗时计算：3秒+3秒+3秒 = 9秒干活 ，外加 30分钟休息。
看一张结果中第一位美女的全图，是不是还可以？
以下进入高能编码区。
介绍下程序实现方法原理：
首先遍历文件夹下所有图片，识别其面部区域，并抠图保存。
主要使用opencv的人脸识别算法，有兴趣的可以了解下haar特征，核心代码如下：
1 2 3 4 5 6 7 8start = time.clock()
for functions">file in files:
##mac系统，删除SD_Store隐藏文件
if 'DS_Store' in file:
continue
print ('modelin/'+file)
outFaces('modelin/'+file,file[:-4])
print ("detect %d faces, cost %s seconds!" % (len(files),time.clock()-start))
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
def detectFaces(image_path):
img = cv2.imread(image_path)
face_cascade = cv2.CascadeClassifier("cvdata/haarcascades/haarcascade_frontalface_default.xml")
if img.ndim == 3:
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
else:
gray = img
faces = face_cascade.detectMultiScale(gray, scaleFactor=1.1, minNeighbors=3, minSize=(10,10),
flags=cv2.CASCADE_SCALE_IMAGE)
result = []
for (x,y,width,height) in faces:
result.append((x,y,x+width,y+height))
return result
图像识别最常用的是通过颜色特征判断。图片相似性主要通过比较汉明距离来确定。像手指一样，每张图片也有自己的图像指纹，它是由一组哈希算法运算后得到的二进制结果。所谓汉明距离，便是一组二进制数据变成另一组二进制数据所需步骤。两张相同的图片，汉明距离便是0.
遍历抠出的面部区域文件夹，使用pHash(感知哈希算法)进行图片指纹的对比：
1 2 3 4 5 6 7for fname in files:
image2 = Image.open('modelout/'+fname)
score = classify_DCT(imageStand,image2)
dicAll[fname] = score
print ("图片名称:[%s], 与目标图片相似度=[%d]" % (fname,(100-score)))
print ("detect %d faces, cost %s seconds!" % (len(files),time.clock()-start))
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
def simmilar_people(image1,image2,size=(32,32),part_size=(8,8)):
assert size[0]==size[1],"size error"
assert part_size[0]==part_size[1],"part_size error"
image1 = image1.resize(size).convert('L').filter(ImageFilter.BLUR)
image1 = ImageOps.equalize(image1)
matrix = get_matrix(image1)
DCT_matrix = DCT(matrix)
List = sub_matrix_to_list(DCT_matrix, part_size)
middle = get_middle(List)
code1 = get_code(List, middle)
image2 = image2.resize(size).convert('L').filter(ImageFilter.BLUR)
image2 = ImageOps.equalize(image2)
matrix = get_matrix(image2)
DCT_matrix = DCT(matrix)
List = sub_matrix_to_list(DCT_matrix, part_size)
middle = get_middle(List)
code2 = get_code(List, middle)
return comp_code(code1, code2)
小决策，大学问。
此项目代码已经开源。但是千张美女图片因怕涉嫌传播**...，所以不敢乱放。
关注公众号，输入“识别美女”，便可获得资源下载地址，当然是整个项目的源码大包(180M)，下下来后，请阅读readme了解运行环境。
个人博客地址 http://www.adbtime.com/view/428 ，欢迎访问
原创文章，转载请注明出处，感谢！
相关文章
