人工智能基礎(chǔ)與應(yīng)用（第2版）（微課版）課件 8-3 項(xiàng)目1-照片智能搜索

8-3項(xiàng)目1—照片智能搜索模塊?人臉識(shí)別：機(jī)器也認(rèn)識(shí)你目錄CONTENTS提出問題01預(yù)備知識(shí)03解決方案02任務(wù)1—訓(xùn)練人臉識(shí)別模型04任務(wù)2—利用訓(xùn)練好的模型來搜索照片05一.提出問題問題描述

隨著人們生活水平的提高和手機(jī)照相功能的日趨完善，人們可以隨自己心意拍攝照片，不知不覺之中，每個(gè)人都保存了大量的生活照片。然而，每當(dāng)想重溫照片或者想分享一張?zhí)貏e滿意的照片時(shí)，從眾多的照片中一遍遍翻找的確是一件費(fèi)時(shí)費(fèi)力的事情。能否借助AI的人臉識(shí)別技術(shù)來幫助人們自動(dòng)整理照片，實(shí)現(xiàn)照片的智能搜索呢二.解決方案2.具體方案三.預(yù)備知識(shí)1.人臉分類器三.預(yù)備知識(shí)1.人臉分類器人臉的檢測結(jié)果人臉的位置及大小數(shù)據(jù)三.預(yù)備知識(shí)2.人臉識(shí)別算法（1）EigenFace算法基本思想：把人臉從像素空間變換到另一個(gè)空間，在另一個(gè)空間中做相似性的計(jì)算。該算法首先選擇一個(gè)合適的子空間，將所有的圖像變換到這個(gè)子空間中，然后在這個(gè)子空間中衡量相似性或者進(jìn)行分類學(xué)習(xí)。它利用主成分分析（PrincipalComponentAnalysis，PCA）得到人臉分布的主要成分，對(duì)訓(xùn)練集中所有人臉圖像的協(xié)方差矩陣進(jìn)行特征值分解，得到對(duì)應(yīng)的特征向量，這些特征向量就是“特征臉”。（2）FisherFace算法FisherFace算法是基于線性判別分析（LinearDiscriminantAnalysis，LDA）算法實(shí)現(xiàn)的，基本思想是：將高維樣本數(shù)據(jù)投影到最佳分類的向量空間，保證數(shù)據(jù)在新的子空間中有更大的類間距離和更小的類內(nèi)距離。（3）LBPHFace算法局部二進(jìn)制編碼直方圖（LocalBinaryPatternsHistograms，LBPH）是基于提取圖像特征的LBP算子，該算法的大致思路是：先使用LBP算子提取圖像特征，這樣可以獲取整個(gè)圖像的LBP編碼圖像；再將該LBP編碼圖像分為若干個(gè)區(qū)域，獲取每個(gè)區(qū)域的LBP編碼直方圖，從而得到整個(gè)圖像的LBP編碼直方圖。三.預(yù)備知識(shí)2.人臉識(shí)別算法使用人臉識(shí)別模型前，要執(zhí)行以下命令安裝OpenCV的擴(kuò)展包首選人臉識(shí)別算法三.預(yù)備知識(shí)2.人臉識(shí)別算法三.預(yù)備知識(shí)2.人臉識(shí)別算法執(zhí)行結(jié)果四.任務(wù)1——訓(xùn)練人臉識(shí)別模型1.構(gòu)建一個(gè)人臉分類器定義實(shí)現(xiàn)人臉檢測功能的函數(shù)四.任務(wù)1——訓(xùn)練人臉識(shí)別模型2.生成目標(biāo)人臉數(shù)據(jù)的訓(xùn)練集人臉數(shù)據(jù)人臉標(biāo)簽四.任務(wù)1——訓(xùn)練人臉識(shí)別模型3.訓(xùn)練人臉識(shí)別模型保存模型已備后用五.任務(wù)2——利用訓(xùn)練好的模型來搜索照片1.加載訓(xùn)練好的模型初始化人臉識(shí)別方法，讀取訓(xùn)練好的模型文件，將其作為識(shí)別照片的人臉分類器。五.任務(wù)2——利用訓(xùn)練好的模型來搜索照片1.加載訓(xùn)練好的模型初始化人臉識(shí)別方法，讀取訓(xùn)練好的模型文件，將其作為識(shí)別照片的人臉分類器。五.任務(wù)2——利用訓(xùn)練好的模型來搜索照片2.在照片集中搜索要找的照片定義搜索函數(shù)五.任務(wù)2——利用訓(xùn)練好的模型來搜