fmkf module¶
-
class
fmkf.
fmkf
(model_path='')¶ 基类:
object
model_path: faceNet 模型文件路径
face mtcnn keras facenet 整合类 需要扩展
Keras 2.4.3,
matplotlib 3.3.1,
mtcnn 0.1.0,
numpy 1.18.5,
sklearn 0.0,
tensorflow 2.3.0,
opencv-python 3.4.3.18,
参考文章<https://www.infoq.cn/article/4wT4mNvKlVvEQZR-JXmp>
-
assessmentModel
(embedding_path)¶ - 模型评估,必须含有测试数据,才能调用这个模型评估,如果文件中只有训练数据,无法正常运行
embedding_path:人脸嵌入数据集合文件路径
-
dataset2embedding
(dataset_path, test=False)¶ - 人脸像素数据集转成人脸嵌入数据
dataset_path:数据集路径
test:数据集中如果含有测试数据集,请把test数据集也转成嵌入数据
-
extract_face
(filename, required_size=160, 160)¶ - 通过MTCNN获取图片中人脸,提取人脸,并且重置大小
filename:图片路径
required_size:元组,调整后的人脸图片大小
-
get_embedding
(face_pixels)¶ - 把人脸像素信息转成人脸嵌入向量信息
face_pixels:人脸像素集合
-
imgCheckFace
(img_path, save=True, show=True, save_path='')¶ - 检测出图片中的人脸,框出人脸,保存框出人脸后的图片;
img_path:含有人脸的图片路径;
save:是否保存框出人脸后的图片;
show:使用通过matplotlib展示框出人脸后的图片;
save_path:处理后的图片保存路径,默认保存到image_path目录下;
-
load_dataset
(directory)¶ - 加载数据集
directory:加载训练数据的目录
-
load_faces
(directory)¶ - 获取路径中的人脸图片,并提取图片
directory:含有人脸的图片集合路径
-
recognition
(face_img_path, embedding_path, show=True, recognition_low=65)¶ - 识别传入图片
face_img_path:待识别的图片
embedding_path:人脸嵌入数据
show:是否通过matplotlib.pyplot展示识别后的图片
recognition_low:最低识别百分比。低于这个值返回无法识别
-
showImageFace
(folder)¶ - 提取路径中所有图片的人脸,并且通过matplotlib.pyplot 展示出来
folder:图片集合路径
-
testRecognition
(dataset_path, embedding_path)¶ - 通过数据集对模型评估
dataset_path:数据集路径
embedding_path:人脸嵌入数据集路径
-
fmkf.
showtime
(func)¶ 打印运行时间,作为装饰器使用