如何使用blob oracle进行人脸识别
如何使用blob oracle进行人脸识别
提问于 2020-09-15 21:33:26
我有一行包含Oracle中的人的姓名和照片，如何进行人脸识别，使其只能通过相机拍照来识别姓名?？我可以使用哪些技术？
回答 1
Stack Overflow用户
发布于 2020-09-16 20:11:48
首先，不要将原始图像存储在blob列中。你应该存储原始图像的向量表示。下面的python代码块将找到人脸图像的向量表示。
#!pip install deepface
from deepface.basemodels import VGGFace, Facenet
model = VGGFace.loadModel() #you can use google facenet instead of vgg
target_size = model.layers[0].input_shape
#preprocess detects facial area and aligns it
img = functions.preprocess_face(img="img.jpg", target_size=target_size)
representation = model.predict(img)[0,:]在这里，您可以传递精确的图像路径，如img.jpg，也可以将3D数组传递给preprocess_face的img参数。这样，您就可以将矢量表示存储在oracle数据库的blob列中。
当你有一个新的人脸图像，并且想要在数据库中找到它的身份时，再次找到它的表示。
#preprocess detects facial area and aligns it
target_img = functions.preprocess_face(img="target.jpg", target_size=target_size)
target_representation = model.predict(target_img )[0,:]现在，您有了目标图像的向量表示和数据库图像的向量表示。您需要找到目标图像表示和数据库表示的每个实例的相似度得分。
欧几里德距离是比较向量的最简单方法。
def findEuclideanDistance(source_representation, test_representation):
euclidean_distance = source_representation - test_representation
euclidean_distance = np.sum(np.multiply(euclidean_distance, euclidean_distance))
euclidean_distance = np.sqrt(euclidean_distance)
return euclidean_distance我们将每个数据库实例与目标进行比较。假设数据库实例的表示存储在表示对象中。
distances = []
for i in range(0, len(representations)):
source_representation = representations[i]
#find the distance between target_representation and source_representation
distance = findEuclideanDistance(source_representation, target_representation )
distances.append(distance)距离列表存储数据库中每个项目到目标的距离。我们需要找到最短的距离。
import numpy as np
idx = np.argmax(distances)Idx是数据库中目标镜像的id。
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/63903017
复制相关文章
相似问题
腾讯云开发者
