- SVM深入理解
- 人脸特征提取
例子代码：
import matplotlib.pyplot as plt import numpy as np from sklearn import datasets from sklearn.preprocessing import StandardScaler from sklearn.svm import LinearSVC iris=datasets.load_iris() X=iris.data y=iris.target X=X[y< 2,:2]#只取y<2的类别，也就是0 1 并且只取前两个特征 y=y[y< 2]# 只取y<2的类别 # 分别画出类别0和1的点 plt.scatter(X[y==0,0],X[y==0,1],color='red') plt.scatter(X[y==1,0],X[y==1,1],color='blue') plt.show() # 标准化 standardScaler=StandardScaler() standardScaler.fit(X)#计算训练数据的均值和方差 X_standard=standardScaler.transform(X)#再用scaler中的均值和方差来转换X，使X标准化 svc=LinearSVC(C=1e9)#线性SVM分类器 svc.fit(X_standard,y)#训练svm
import matplotlib.pyplot as plt import numpy as np import sklearn from sklearn import datasets from sklearn.preprocessing import StandardScaler from sklearn.svm import LinearSVC iris=datasets.load_iris() X=iris.data y=iris.target X=X[y<2,:2]#只取y<2的类别，也就是0 1 并且只取前两个特征 y=y[y<2]# 只取y<2的类别 # 分别画出类别0和1的点 plt.scatter(X[y==0,0],X[y==0,1],color='red') plt.scatter(X[y==1,0],X[y==1,1],color='blue') plt.show() standardScaler=StandardScaler() standardScaler.fit(X)#计算训练数据的均值和方差 X_standard=standardScaler.transform(X)#再用scaler中的均值和方差来转换X，使X标准化 svc2=LinearSVC(C=0.01)#分类器 svc2.fit(X_standard,y) plot_decision_boundary(svc2,axis=[-3,3,-3,3])# x,y轴都在-3到3之间 #绘制原始数据 plt.scatter(X_standard[y==0,0],X_standard[y==0,1],color='red') plt.scatter(X_standard[y==1,0],X_standard[y==1,1],color='blue') plt.show()
# 接下来我们看下如何处理非线性的数据。 import numpy as np import matplotlib.pyplot as plt from sklearn import datasets X, y = datasets.make_moons() #使用生成的数据 print(X.shape) # (100,2) print(y.shape) # (100,) # 接下来绘制下生成的数据 plt.scatter(X[y==0,0],X[y==0,1]) plt.scatter(X[y==1,0],X[y==1,1]) plt.show()
X, y = datasets.make_moons(noise=0.15,random_state=777) #随机生成噪声点，random_state是随机种子，noise是方差 plt.scatter(X[y==0,0],X[y==0,1]) plt.scatter(X[y==1,0],X[y==1,1]) plt.show()
import numpy as np import matplotlib.pyplot as plt x = np.arange(-4,5,1) #生成测试数据 y = np.array((x >= -2 ) & (x <= 2),dtype='int') plt.scatter(x[y==0],[0]*len(x[y==0])) # x取y=0的点, y取0，有多少个x，就有多少个y plt.scatter(x[y==1],[0]*len(x[y==1])) plt.show()
# 高斯核函数
def gaussian(x,l):
gamma = 1.0
return np.exp(-gamma * (x -l)**2)
l1,l2 = -1,1
X_new = np.empty((len(x),2))#len(x) ,2
for i,data in enumerate(x):
X_new[i,0] = gaussian(data,l1)
X_new[i,1] = gaussian(data,l2)
plt.scatter(X_new[y==0,0],X_new[y==0,1])
plt.scatter(X_new[y==1,0],X_new[y==1,1])
plt.show()
import numpy as np import matplotlib.pyplot as plt from sklearn import datasets X,y = datasets.make_moons(noise=0.15,random_state=777) plt.scatter(X[y==0,0],X[y==0,1]) plt.scatter(X[y==1,0],X[y==1,1]) plt.show()
import numpy as np
import matplotlib.pyplot as plt
from sklearn import datasets
boston = datasets.load_boston()
X = boston.data
y = boston.target
from sklearn.model_selection import train_test_split
X_train,X_test,y_train,y_test = train_test_split(X,y,random_state=777)
# 把数据集拆分成训练数据和测试数据
from sklearn.svm import LinearSVR
from sklearn.svm import SVR
from sklearn.preprocessing import StandardScaler
def StandardLinearSVR(epsilon=0.1):
return Pipeline([ ('std_scaler',StandardScaler()), ('linearSVR',LinearSVR(epsilon=epsilon)) ])
svr = StandardLinearSVR()
svr.fit(X_train,y_train)
svr.score(X_test,y_test)
人脸特征提取
查看Python版本，输入命令：python
使用命令安装opencv：
pip3 install opencv_python
下载好dlib后，在命令提示符中输入：
pip install dlib-19.21.99-cp38-cp38-win_amd64.whl
进行下载
打开摄像头，实时采集人脸并保存、绘制68个特征点：
我用的软件是jupyter，先要把shape_predictor_68_face_landmarks.dat导入进来，然后再写入代码运行：
# -*- coding: utf-8 -*-
"""
Created on Wed Oct 27 03:15:10 2021
@author: GT72VR
"""
import numpy as np
import cv2
import dlib
import os
import sys
import random
# 存储位置
output_dir = 'D:/photo'
size = 64
if not os.path.exists(output_dir):
os.makedirs(output_dir)
# 改变图片的亮度与对比度
def relight(img, light=1, bias=0):
w = img.shape[1]
h = img.shape[0]
#image = []
for i in range(0,w):
for j in range(0,h):
for c in range(3):
tmp = int(img[j,i,c]*light + bias)
if tmp > 255:
tmp = 255
elif tmp < 0:
tmp = 0
img[j,i,c] = tmp
return img
#使用dlib自带的frontal_face_detector作为我们的特征提取器
detector = dlib.get_frontal_face_detector()
# 打开摄像头 参数为输入流，可以为摄像头或视频文件
camera = cv2.VideoCapture(0)
#camera = cv2.VideoCapture('C:/Users/CUNGU/Videos/Captures/wang.mp4')
ok = True
detector = dlib.get_frontal_face_detector()
predictor = dlib.shape_predictor('shape_predictor_68_face_landmarks.dat')
while ok:
# 读取摄像头中的图像，ok为是否读取成功的判断参数
ok, img = camera.read()
# 转换成灰度图像
img_gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
rects = detector(img_gray, 0)
for i in range(len(rects)):
landmarks = np.matrix([[p.x, p.y] for p in predictor(img,rects[i]).parts()])
for idx, point in enumerate(landmarks):
# 68点的坐标
pos = (point[0, 0], point[0, 1])
print(idx,pos)
# 利用cv2.circle给每个特征点画一个圈，共68个
cv2.circle(img, pos, 2, color=(0, 255, 0))
# 利用cv2.putText输出1-68
font = cv2.FONT_HERSHEY_SIMPLEX
cv2.putText(img, str(idx+1), pos, font, 0.2, (0, 0, 255), 1,cv2.LINE_AA)
cv2.imshow('video', img)
k = cv2.waitKey(1)
if k == 27: # press 'ESC' to quit
break
camera.release()
cv2.destroyAllWindows()
人脸虚拟P上一付墨镜：
1、首先导入代码需要用到的包
# 导入包 import numpy as np import cv2 import dlib import os import sys import random
2、添加函数，获得默认的人脸检测器和训练好的68特征点检测器
def get_detector_and_predicyor():
#使用dlib自带的frontal_face_detector作为我们的特征提取器
detector = dlib.get_frontal_face_detector()
"""
功能：人脸检测画框
参数：PythonFunction和in Classes
in classes表示采样次数，次数越多获取的人脸的次数越多，但更容易框错
返回值是矩形的坐标，每个矩形为一个人脸（默认的人脸检测器）
"""
#返回训练好的人脸68特征点检测器
predictor = dlib.shape_predictor('..\source\shape_predictor_68_face_landmarks.dat')
return detector,predictor
#获取检测器
detector,predictor=get_detector_and_predicyor()
3、添加给眼睛画圆的函数，这个就是找到眼睛周围的特征点，然后确认中心点，后面用cirecle函数画出来就行了
def painting_sunglasses(img,detector,predictor):
#给人脸带上墨镜
rects = detector(img_gray, 0)
for i in range(len(rects)):
landmarks = np.matrix([[p.x, p.y] for p in predictor(img,rects[i]).parts()])
right_eye_x=0
right_eye_y=0
left_eye_x=0
left_eye_y=0
for i in range(36,42):#右眼范围
#将坐标相加
right_eye_x+=landmarks[i][0,0]
right_eye_y+=landmarks[i][0,1]
#取眼睛的中点坐标
pos_right=(int(right_eye_x/6),int(right_eye_y/6))
"""
利用circle函数画圆
函数原型
cv2.circle(img, center, radius, color[, thickness[, lineType[, shift]]])
img：输入的图片data
center：圆心位置
radius：圆的半径
color：圆的颜色
thickness：圆形轮廓的粗细（如果为正）。负厚度表示要绘制实心圆。
lineType： 圆边界的类型。
shift：中心坐标和半径值中的小数位数。
"""
cv2.circle(img=img, center=pos_right, radius=30, color=(0,0,0),thickness=-1)
for i in range(42,48):#左眼范围
#将坐标相加
left_eye_x+=landmarks[i][0,0]
left_eye_y+=landmarks[i][0,1]
#取眼睛的中点坐标
pos_left=(int(left_eye_x/6),int(left_eye_y/6))
cv2.circle(img=img, center=pos_left, radius=30, color=(0,0,0),thickness=-1)
4、最后调用画圆的函数
camera = cv2.VideoCapture(0)#打开摄像头
ok=True
# 打开摄像头 参数为输入流，可以为摄像头或视频文件
while ok:
ok,img = camera.read()
# 转换成灰度图像
img_gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
#display_feature_point(img,detector,predictor)
painting_sunglasses(img,detector,predictor)#调用画墨镜函数
cv2.imshow('video', img)
k = cv2.waitKey(1)
if k == 27: # press 'ESC' to quit
break
camera.release()
cv2.destroyAllWindows()
参考文献：https://blog.csdn.net/weixin_56102526/article/details/121119472?spm=1001.2014.3001.5501
https://blog.csdn.net/qq_46689721/article/details/121273562?spm=1001.2014.3001.5501
