毕业设计-人脸识别-利用opencv-cnn进行人脸识别项目-期末作业.zip

#-*-coding:utf8-*- __author__ = '万壑' from dataSet import DataSet from keras.models import Sequential,load_model from keras.layers import Dense,Activation,Convolution2D,MaxPooling2D,Flatten,Dropout import numpy as np #建立一个基于CNN的人脸识别模型 class Model(object): FILE_PATH = "D:\myProject\model.h5" #模型进行存储和读取的地方 IMAGE_SIZE = 128 #模型接受的人脸图片一定得是128*128的 def __init__(self): self.model = None #读取实例化后的DataSet类作为进行训练的数据源 def read_trainData(self,dataset): self.dataset = dataset #建立一个CNN模型，一层卷积、一层池化、一层卷积、一层池化、抹平之后进行全链接、最后进行分类 def build_model(self): self.model = Sequential() self.model.add( Convolution2D( filters=32, kernel_size=(5, 5), padding='same', dim_ordering='th', input_shape=self.dataset.X_train.shape[1:] ) ) self.model.add(Activation('relu')) self.model.add( MaxPooling2D( pool_size=(2, 2), strides=(2, 2), padding='same' ) ) self.model.add(Convolution2D(filters=64, kernel_size=(5, 5), padding='same')) self.model.add(Activation('relu')) self.model.add(MaxPooling2D(pool_size=(2, 2), strides=(2, 2), padding='same')) self.model.add(Flatten()) self.model.add(Dense(512)) self.model.add(Activation('relu')) self.model.add(Dense(self.dataset.num_classes)) self.model.add(Activation('softmax')) self.model.summary() #进行模型训练的函数，具体的optimizer、loss可以进行不同选择 def train_model(self): self.model.compile( optimizer='adam', #有很多可选的optimizer，例如RMSprop,Adagrad，你也可以试试哪个好，我个人感觉差异不大 loss='categorical_crossentropy', #你可以选用squared_hinge作为loss看看哪个好 metrics=['accuracy']) #epochs、batch_size为可调的参数，epochs为训练多少轮、batch_size为每次训练多少个样本 self.model.fit(self.dataset.X_train,self.dataset.Y_train,epochs=7,batch_size=20) def evaluate_model(self): print('\nTesting---------------') loss, accuracy = self.model.evaluate(self.dataset.X_test, self.dataset.Y_test) print('test loss;', loss) print('test accuracy:', accuracy) def save(self, file_path=FILE_PATH): print('Model Saved.') self.model.save(file_path) def load(self, file_path=FILE_PATH): print('Model Loaded.') self.model = load_model(file_path) #需要确保输入的img得是灰化之后（channel =1 )且 大小为IMAGE_SIZE的人脸图片 def predict(self,img): img = img.reshape((1, 1, self.IMAGE_SIZE, self.IMAGE_SIZE)) img = img.astype('float32') img = img/255.0 result = self.model.predict_proba(img) #测算一下该img属于某个label的概率 max_index = np.argmax(result) #找出概率最高的 return max_index,result[0][max_index] #第一个参数为概率最高的label的index,第二个参数为对应概率 if __name__ == '__main__': dataset = DataSet('D:\myProject\pictures\dataset') model = Model() model.read_trainData(dataset) model.build_model() model.train_model() model.evaluate_model() model.save()