|
引言
人脸关键点检测即对人类面部若干个点位置进行检测，可以通过这些点的变化来实现许多功能，该技术可以应用到很多领域，例如捕捉人脸的关键点，然后驱动动画人物做相同的面部表情；识别人脸的面部表情，让机器能够察言观色等等。 
如何检测人脸关键点
本文是实现15点的检测，至于N点的原理都是一样的，使用的算法模型是深度神经网络，使用CV也是可以的。
如何检测
这个问题抽象出来，就是一个使用神经网络来进行预测的功能，只不过输出是15个点的坐标，训练数据包含15个面部的特征点和面部的图像(大小为96x96)，15个特征点分别是：left_eye_center, right_eye_center, left_eye_inner_corner, left_eye_outer_corner, right_eye_inner_corner, right_eye_outer_corner, left_eyebrow_inner_end, left_eyebrow_outer_end, right_eyebrow_inner_end, right_eyebrow_outer_end, nose_tip, mouth_left_corner, mouth_right_corner, mouth_center_top_lip, mouth_center_bottom_lip 因此神经网络需要学习一个从人脸图像到15个关键点坐标间的映射。
使用的网络结构
在本文中，我们使用深度神经网络来实现该功能，基本卷积块使用Google的Inception网络，也就是使用GoogLeNet网络，该结构的网络是基于卷积神经网络来改进的，是一个含有并行连接的网络。 众所周知，卷积有滤波、提取特征的作用，但到底采用多大的卷积来提取特征是最好的呢？这个问题没有确切的答案，那就集百家之长：使用多个形状不一的卷积来提取特征并进行拼接，从而学习到更为丰富的特征；特别是里面加上了1x1的卷积结构，能够实现跨通道的信息交互和整合(其本质就是在多个channel上的线性求和)，同时能在feature map通道数上的降维(读者可以验证计算一下，能够极大减少卷积核的参数)，也能够增加非线性映射次数使得网络能够更深。 下面是Inception块的示意图：  整个GoogLeNet的结构如下所示：  接下来是代码实现部分，后续作者会补充神经网络的相关原理知识，若对此感兴趣的读者也可继续关注支持~
代码实现
import torch as tc
from torch import nn
from torch.nn import functional as F
from torch.utils.data import DataLoader
from torch.utils.data import TensorDataset
import numpy as np
import matplotlib.pyplot as plt
import pandas as pd
from sklearn.utils import shuffle
# 对图片像素的处理
def proFunc1(data,testFlag:bool=False) -> tuple:
data['Image'] = data['Image'].apply(lambda im: np.fromstring(im, sep=' '))
# 处理na
data = data.dropna()
# 神经网络对数据范围较为敏感 /255 将所有像素都弄到[0,1]之间
X = np.vstack(data['Image'].values) / 255
X = X.astype(np.float32)
# 特别注意 这里要变成 n channle w h 要跟卷积第一层相匹配
X = X.reshape(-1, 1,96, 96)
# 等会神经网络的输入层就是 96 96 黑白图片 通道只有一个
# 只有训练集才有y 测试集返回一个None出去
if not testFlag:
y = data[data.columns[:-1]].values
# 规范化
y = (y - 48) / 48
X, y = shuffle(X, y, random_state=42)
y = y.astype(np.float32)
else:
y = None
return X,y
# 工具类
class UtilClass:
def __init__(self,model,procFun,trainFile:str='data/training.csv',testFile:str='data/test.csv') -> None:
self.trainFile = trainFile
self.testFile = testFile
self.trainData = None
self.testData = None
self.trainTarget = None
self.model = model
self.procFun = procFun
@staticmethod
def procData(data, procFunc ,testFlag:bool=False) -> tuple:
return procFunc(data,testFlag)
def loadResource(self):
rawTrain = pd.read_csv(self.trainFile)
rawTest = pd.read_csv(self.testFile)
self.trainData , self.trainTarget = self.procData(rawTrain,self.procFun)
self.testData , _ = self.procData(rawTest,self.procFun,testFlag=True)
def getTrain(self):
return tc.from_numpy(self.trainData), tc.from_numpy(self.trainTarget)
def getTest(self):
return tc.from_numpy(self.testData)
@staticmethod
def plotData(img, keyPoints, axis):
axis.imshow(np.squeeze(img), cmap='gray')
# 恢复到原始像素数据
keyPoints = keyPoints * 48 + 48
# 把keypoint弄到图上面
axis.scatter(keyPoints[0::2], keyPoints[1::2], marker='o', c='c', s=40)
# 自定义的卷积神经网络
class MyCNN(tc.nn.Module):
def __init__(self,imgShape = (96,96,1),keyPoint:int = 15):
super(MyCNN, self).__init__()
self.conv1 = tc.nn.Conv2d(in_channels=1, out_channels =10, kernel_size=3)
self.pooling = tc.nn.MaxPool2d(kernel_size=2)
self.conv2 = tc.nn.Conv2d(10, 5, kernel_size=3)
# 这里的2420是通过下面的计算得出的 如果改变神经网络结构了
# 需要计算最后的Liner的in_feature数量 输出是固定的keyPoint*2
self.fc = tc.nn.Linear(2420, keyPoint*2)
def forward(self, x):
# print("start----------------------")
batch_size = x.size(0)
# x = x.view((-1,1,96,96))
# print('after view shape:',x.shape)
x = F.relu(self.pooling(self.conv1(x)))
# print('conv1 size',x.shape)
x = F.relu(self.pooling(self.conv2(x)))
# print('conv2 size',x.shape)
# print('end--------------------------')
# 改形状
x = x.view(batch_size, -1)
# print(x.shape)
x = self.fc(x)
# print(x.shape)
return x
# GoogleNet基本的卷积块
class MyInception(nn.Module):
def __init__(self,in_channels, c1, c2, c3, c4,) -> None:
super().__init__()
self.p1_1 = nn.Conv2d(in_channels, c1, kernel_size=1)
self.p2_1 = nn.Conv2d(in_channels, c2[0], kernel_size=1)
self.p2_2 = nn.Conv2d(c2[0], c2[1], kernel_size=3, padding=1)
self.p3_1 = nn.Conv2d(in_channels, c3[0], kernel_size=1)
self.p3_2 = nn.Conv2d(c3[0], c3[1], kernel_size=5, padding=2)
self.p4_1 = nn.MaxPool2d(kernel_size=3, stride=1, padding=1)
self.p4_2 = nn.Conv2d(in_channels, c4, kernel_size=1)
def forward(self, x):
p1 = F.relu(self.p1_1(x))
p2 = F.relu(self.p2_2(F.relu(self.p2_1(x))))
p3 = F.relu(self.p3_2(F.relu(self.p3_1(x))))
p4 = F.relu(self.p4_2(self.p4_1(x)))
# 在通道维度上连结输出
return tc.cat((p1, p2, p3, p4), dim=1)
# GoogLeNet的设计 此处参数结果google大量实验得出
b1 = nn.Sequential(nn.Conv2d(1, 64, kernel_size=7, stride=2, padding=3),
nn.ReLU(),
nn.MaxPool2d(kernel_size=3, stride=2, padding=1))
b2 = nn.Sequential(nn.Conv2d(64, 64, kernel_size=1),
nn.ReLU(),
nn.Conv2d(64, 192, kernel_size=3, padding=1),
nn.ReLU(),
nn.MaxPool2d(kernel_size=3, stride=2, padding=1))
b3 = nn.Sequential(MyInception(192, 64, (96, 128), (16, 32), 32),
MyInception(256, 128, (128, 192), (32, 96), 64),
nn.MaxPool2d(kernel_size=3, stride=2, padding=1))
b4 = nn.Sequential(MyInception(480, 192, (96, 208), (16, 48), 64),
MyInception(512, 160, (112, 224), (24, 64), 64),
MyInception(512, 128, (128, 256), (24, 64), 64),
MyInception(512, 112, (144, 288), (32, 64), 64),
MyInception(528, 256, (160, 320), (32, 128), 128),
nn.MaxPool2d(kernel_size=3, stride=2, padding=1))
b5 = nn.Sequential(MyInception(832, 256, (160, 320), (32, 128), 128),
MyInception(832, 384, (192, 384), (48, 128), 128),
nn.AdaptiveAvgPool2d((1,1)),
nn.Flatten())
uClass = UtilClass(model=None,procFun=proFunc1)
uClass.loadResource()
xTrain ,yTrain = uClass.getTrain()
xTest = uClass.getTest()
dataset = TensorDataset(xTrain, yTrain)
trainLoader = DataLoader(dataset, 64, shuffle=True, num_workers=4)
# 训练net并进行测试 由于显示篇幅问题 只能打印出极为有限的若干测试图片效果
def testCode(net):
optimizer = tc.optim.Adam(params=net.parameters())
criterion = tc.nn.MSELoss()
for epoch in range(30):
trainLoss = 0.0
# 这里是用的是mini_batch 也就是说 每次只使用mini_batch个数据大小来计算
# 总共有total个 因此总共训练 total/mini_batch 次
# 由于不能每组数据只使用一次 所以在下面还要使用一个for循环来对整体训练多次
for batchIndex, data in enumerate(trainLoader, 0):
input_, y = data
yPred = net(input_)
loss = criterion(yPred, y)
optimizer.zero_grad()
loss.backward()
optimizer.step()
trainLoss += loss.item()
# 只在每5个epoch的最后一轮打印信息
if batchIndex % 30 ==29 and not epoch % 5 :
print("[{},{}] loss:{}".format(epoch + 1, batchIndex + 1, trainLoss / 300))
trainLoss = 0.0
# 测试
print("-----------test begin-------------")
# print(xTest.shape)
yPost = net(xTest)
# print(yPost.shape)
import matplotlib.pyplot as plt
%matplotlib inline
fig = plt.figure(figsize=(20,20))
fig.subplots_adjust(left=0, right=1, bottom=0, top=1, hspace=0.05, wspace=0.05)
for i in range(9,18):
ax = fig.add_subplot(3, 3, i - 9 + 1, xticks=[], yticks=[])
uClass.plotData(xTest[i], y[i], ax)
print("-----------test end-------------")
if __name__ == "__main__":
# 训练MyCNN网络 并可视化在9个测试数据的效果图
myNet = MyCNN()
testCode(myNet)
inception = nn.Sequential(b1, b2, b3, b4, b5, nn.Linear(1024, 30))
testCode(inception)
本文使用的数据可在此找到两个data文件，本文有你帮助的话，就给个点赞关注支持一下吧！
|