反人脸识别的思路和实现
反人脸识别的思路和实现
一、基本知识和背景
人脸识别是非常经典的机器识别运用,目前已经在许多地方得到了使用。相关的算法原理和实现发展的都很发达,Opencv中就有不错的实现。这是现状。
但是,也正因为此,和人相关的隐私变得令人关注。应用sigvc上面的一个概念叫做“反人脸识别”http://www.sigvc.org/bbs/forum.php?mod=viewthread&tid=3348&highlight=%B7%B4%C8%CB%C1%B3,就是关注用户隐私的一种技术实现。从技术实现上来说,主要分为“人脸识别”和“脸部模糊”两个部分。两个部分的实现难度都不大,关键是“处理输入图片,保护用户隐私”的思路很关键。这里是我的相关研究。
二、实现步骤
一)人脸识别
此类人脸识别的图像一般都是全局的图像,比如
而不是这样以单幅人脸为主要内容的图像
所以在算法的选择上,我还是优先选择了haar的方法,而没有采用肤色模型。我认为对于近景的,需要进行精细地处理的时候,肤色更适合一些。
那么进行识别:
对于这种正向的图片,效果还是不错的。可能存在错误识别的区域,但是不影响主体。
void main()
{
//读入图片
Mat src = imread("c:/m.jpg",0);
//人脸识别
string fn_haar = "C:/haarcascade_frontalface_default.xml";
CascadeClassifier haar_cascade;
haar_cascade.load(fn_haar);
vector< Rect_<int> > faces;
haar_cascade.detectMultiScale(src, faces); //检测多个人脸的
//画出区域
for (int i=0;i<faces.size();i++)
{
Rect face_i = faces[i];
rectangle(src,face_i,Scalar(255));
}
imshow("src",src);
cv::waitKey();
getchar();
}
二)脸部模糊
脸部模糊的方法也是有许多的。俗话说画鬼容易画人难,这里想做出一个人脸比较困难,但是如果想把一个人脸弄成非人脸,就要简单许多。比较常见的是打马赛克,但是手头没有代码(如果哪位有的话欢迎补充),所以就直接采用模糊算法进行处理
这样处理以后的面部,基本无法看出原来的人是哪个了。需要注意的是GussianBlur的参数需要取得大一点,这样模糊的效果比较好。
封装成函数,需要注意的是这里直接对图像进行了修改
三)主要流程
反人脸识别脸部模糊的方法的主要流程就是识别出人脸,然后进行Guass模糊,然后再和原图合并起来。需要做出批量处理的方式并生成log的。
需要注意的一点是,最终结果的图片还是需要彩色的,但是在处理的过程中可能用的是灰度照片。
效果如下,应该是识别不出来了吧
OK,这里实现了单张的效果,在实际项目中必然需要进行批量处理,并且处理输入输出,一并编写如下
vector <pair < char *,Mat >> read_img( const string & dir)
{
CStatDir statdir;
pair < char *,Mat > pfi;
vector <pair < char *,Mat >> Vp;
if ( !statdir.SetInitDir(dir.c_str()))
{
return Vp;
}
int cls_id = dir[dir.length() - 1] - '0';
vector < char * >file_vec = statdir.BeginBrowseFilenames( "*.jpg");
int i,s = file_vec.size();
for (i = 0;i <s;i ++)
{
pfi.first = file_vec[i];
pfi.second = imread(file_vec[i], 0);
Vp.push_back(pfi);
}
file_vec = statdir.BeginBrowseFilenames( "*.bmp");
s = file_vec.size();
for (i = 0;i <s;i ++)
{
pfi.first = file_vec[i];
pfi.second = imread(file_vec[i], 0);
Vp.push_back(pfi);
}
file_vec = statdir.BeginBrowseFilenames( "*.png");
s = file_vec.size();
for (i = 0;i <s;i ++)
{
pfi.first = file_vec[i];
pfi.second = imread(file_vec[i], 0);
Vp.push_back(pfi);
}
return Vp;
}
处理当前目录下imgs文件夹下的所有文件,结果如下
三、反思
目前代码在部署的时候还可以继续改进,目前需要将haarcascade_frontalface_default.xml拷贝到c:/目录下,需要创建c:/imgs文件夹并且将需要变换的图像拷贝到其中,并且创建d:/imgs文件夹。这是不方便的,但是作为一个原型,我没有继续优化。
我认为比较关键的一点,就是根据你需要突出显示的对象,选择识别的人脸识别的算法。目的就是将人脸抹去,而将需要显示的区域显示出来。
感谢阅读!希望能够对你有所帮助。