想象一下，2020年，不再需要视网膜扫描仪，因为有了人工智能（AI）和机器学习（ML）。在本系列文章中，将展示如何利用深度学习进行面部识别，然后基于识别出的面部，使用神经网络文本到语音（TTS）引擎播放定制广告。可以在CodeProject上浏览代码，或者下载.zip文件在本地机器上查看代码。假设对AI/ML的基本概念有所了解，并且熟悉Python。
本系列文章的前四篇对应于面部识别过程的四个阶段：
在讨论面部识别和TTS时，将使用以下工具集：
现在，让开始面部检测。以下是一个Python类，实现了面部检测器：
from PIL import Image
from matplotlib import pyplot
from mtcnn import MTCNN
from numpy import asarray
from skimage import io
from util import constant
class MTCnnDetector:
def __init__(self, image_path):
self.detector = MTCNN()
self.image = io.imread(image_path)
def process_image(self, plot=False):
faces = self.__detect_face()
resized_face_list = []
for f in faces:
extracted_face = self.__extract_face(f)
resized_face = self.__resize_img_to_face(extracted_face)
resized_face_list.append(resized_face)
if plot:
self.__plot_face(resized_face)
return resized_face_list
def __detect_face(self):
return self.detector.detect_faces(self.image)
def __extract_face(self, face):
x1, y1, width, height = face['box']
x2, y2 = x1 + width, y1 + height
return self.image[y1:y2, x1:x2]
def __resize_img_to_face(self, face):
image = Image.fromarray(face)
image = image.resize((constant.DETECTOR_FACE_DIM, constant.DETECTOR_FACE_DIM))
return asarray(image)
def __plot_face(self, face):
pyplot.imshow(face)
pyplot.show()
类名为MTCnnDetector，因为使用的预定义检测器是MTCNN（多任务卷积神经网络）。这是一种遵循多任务学习原则的CNN类型。换句话说，它能够同时学习多个任务，从而支持同时检测多个面部。使用MTCNN算法，检测图像中面部的边界框，以及每个面部的5点面部标志（最简单的模型，检测眼睛的边缘和鼻子的底部）。通过将输入传递给CNN，逐步提高检测结果，CNN返回候选边界框及其概率分数。
让使用维基百科上的示例图像来运行这段代码。
# 面部检测器
face_detector = MTCnnDetector(constant.CELEBRITY_VGG_PATH)
resized_faces = face_detector.process_image(plot=True)