反人脸识别的思路和实现

反人脸识别的思路和实现

 

一、基本知识和背景

     ​人脸识别是非常经典的机器识别运用，目前已经在许多地方得到了使用。相关的算法原理和实现发展的都很发达，Opencv中就有不错的实现。这是现状。

     但是，也正因为此，和人相关的隐私变得令人关注。应用sigvc上面的一个概念叫做“反人脸识别”​​http://www.sigvc.org/bbs/forum.php?mod=viewthread&tid=3348&highlight=%B7%B4%C8%CB%C1%B3​​，就是关注用户隐私的一种技术实现。从技术实现上来说，主要分为“人脸识别”和“脸部模糊”两个部分。两个部分的实现难度都不大，关键是“处理输入图片，保护用户隐私”的思路很关键。这里是我的相关研究。

 

二、实现步骤

     一）人脸识别

                此类人脸识别的图像一般都是全局的图像，比如

     而不是这样以单幅人脸为主要内容的图像

  

     所以在算法的选择上，我还是优先选择了haar的方法，而没有采用肤色模型。我认为对于近景的，需要进行精细地处理的时候，肤色更适合一些。

     那么进行识别

        对于这种正向的图片，效果还是不错的。可能存在错误识别的区域，但是不影响主体。

 

​​void main()

{
    //读入图片
    Mat src =  imread("c:/m.jpg",0);
    //人脸识别
    string fn_haar = "C:/haarcascade_frontalface_default.xml";
    CascadeClassifier haar_cascade;
    haar_cascade.load(fn_haar);
    vector< Rect_<int> > faces;
    haar_cascade.detectMultiScale(src, faces); //检测多个人脸的
    //画出区域
    for (int i=0;i<faces.size();i++)
    {
         Rect face_i = faces[i];
         rectangle(src,face_i,Scalar(255));
    }
    imshow("src",src);
    cv::waitKey();
    getchar();
}​​

 

     二）脸部模糊

        脸部模糊的方法也是有许多的。俗话说画鬼容易画人难，这里想做出一个人脸比较困难，但是如果想把一个人脸弄成非人脸，就要简单许多。比较常见的是打马赛克，但是手头没有代码（如果哪位有的话欢迎补充），所以就直接采用模糊算法进行处理

      这样处理以后的面部，基本无法看出原来的人是哪个了。需要注意的是GussianBlur的参数需要取得大一点，这样模糊的效果比较好。

    封装成函数,需要注意的是这里直接对图像进行了修改

 

//人脸模糊

void blurFace(Mat src)

{    

    GaussianBlur(src,src,Size(19,19),19);

}

 

三）主要流程

        反人脸识别脸部模糊的方法的主要流程就是识别出人脸，然后进行Guass模糊，然后再和原图合并起来。需要做出批量处理的方式并生成log的。

 

        需要注意的一点是，最终结果的图片还是需要彩色的，但是在处理的过程中可能用的是灰度照片。

     效果如下，应该是识别不出来了吧   

     OK，这里实现了单张的效果，在实际项目中必然需要进行批量处理，并且处理输入输出，一并编写如下

 

//批量处理读取图片函数
vector <pair < char *,Mat >>  read_img( const string & dir)
{
    CStatDir statdir;
    pair < char *,Mat > pfi;
    vector <pair < char *,Mat >> Vp;
     if ( !statdir.SetInitDir(dir.c_str()))
    {
         return Vp;
    }
     int cls_id  = dir[dir.length() - 1] - '0';
    vector < char * >file_vec  = statdir.BeginBrowseFilenames( "*.jpg");
     int i,s  = file_vec.size();
     for (i = 0;i <s;i ++)
    {
        pfi.first  = file_vec[i];
        pfi.second  = imread(file_vec[i], 0);
        Vp.push_back(pfi);
    }
    file_vec  = statdir.BeginBrowseFilenames( "*.bmp");
    s  = file_vec.size();
     for (i = 0;i <s;i ++)
    {
        pfi.first  = file_vec[i];
        pfi.second  = imread(file_vec[i], 0);
        Vp.push_back(pfi);
    }
    file_vec  = statdir.BeginBrowseFilenames( "*.png");
    s  = file_vec.size();
     for (i = 0;i <s;i ++)
    {
        pfi.first  = file_vec[i];
        pfi.second  = imread(file_vec[i], 0);
        Vp.push_back(pfi);
    }
     return Vp;
}

 

    处理当前目录下imgs文件夹下的所有文件，结果如下

三、反思

     ​目前代码在部署的时候还可以继续改进，目前需要将haarcascade_frontalface_default.xml拷贝到c:/目录下，需要创建c:/imgs文件夹并且将需要变换的图像拷贝到其中，并且创建d:/imgs文件夹。这是不方便的，但是作为一个原型，我没有继续优化。

     我认为比较关键的一点，就是根据你需要突出显示的对象，选择识别的人脸识别的算法。目的就是将人脸抹去，而将需要显示的区域显示出来。

     感谢阅读！希望能够对你有所帮助。

 

​​来自为知笔记(Wiz)​​

反人脸识别的思路和实现

 

一、基本知识和背景

     ​人脸识别是非常经典的机器识别运用，目前已经在许多地方得到了使用。相关的算法原理和实现发展的都很发达，Opencv中就有不错的实现。这是现状。

     但是，也正因为此，和人相关的隐私变得令人关注。应用sigvc上面的一个概念叫做“反人脸识别”​​http://www.sigvc.org/bbs/forum.php?mod=viewthread&tid=3348&highlight=%B7%B4%C8%CB%C1%B3​​，就是关注用户隐私的一种技术实现。从技术实现上来说，主要分为“人脸识别”和“脸部模糊”两个部分。两个部分的实现难度都不大，关键是“处理输入图片，保护用户隐私”的思路很关键。这里是我的相关研究。

 

二、实现步骤

     一）人脸识别

                此类人脸识别的图像一般都是全局的图像，比如

     而不是这样以单幅人脸为主要内容的图像

  

     所以在算法的选择上，我还是优先选择了haar的方法，而没有采用肤色模型。我认为对于近景的，需要进行精细地处理的时候，肤色更适合一些。

     那么进行识别：

        对于这种正向的图片，效果还是不错的。可能存在错误识别的区域，但是不影响主体。

 

​​void main()

{
    //读入图片
    Mat src =  imread("c:/m.jpg",0);
    //人脸识别
    string fn_haar = "C:/haarcascade_frontalface_default.xml";
    CascadeClassifier haar_cascade;
    haar_cascade.load(fn_haar);
    vector< Rect_<int> > faces;
    haar_cascade.detectMultiScale(src, faces); //检测多个人脸的
    //画出区域
    for (int i=0;i<faces.size();i++)
    {
         Rect face_i = faces[i];
         rectangle(src,face_i,Scalar(255));
    }
    imshow("src",src);
    cv::waitKey();
    getchar();
}​​

 

     二）脸部模糊

        脸部模糊的方法也是有许多的。俗话说画鬼容易画人难，这里想做出一个人脸比较困难，但是如果想把一个人脸弄成非人脸，就要简单许多。比较常见的是打马赛克，但是手头没有代码（如果哪位有的话欢迎补充），所以就直接采用模糊算法进行处理

      这样处理以后的面部，基本无法看出原来的人是哪个了。需要注意的是GussianBlur的参数需要取得大一点，这样模糊的效果比较好。

    封装成函数,需要注意的是这里直接对图像进行了修改

 

//人脸模糊

void blurFace(Mat src)

{    

    GaussianBlur(src,src,Size(19,19),19);

}

 

三）主要流程

        反人脸识别脸部模糊的方法的主要流程就是识别出人脸，然后进行Guass模糊，然后再和原图合并起来。需要做出批量处理的方式并生成log的。

 

        需要注意的一点是，最终结果的图片还是需要彩色的，但是在处理的过程中可能用的是灰度照片。

     效果如下，应该是识别不出来了吧   

     OK，这里实现了单张的效果，在实际项目中必然需要进行批量处理，并且处理输入输出，一并编写如下

 

//批量处理读取图片函数
vector <pair < char *,Mat >>  read_img( const string & dir)
{
    CStatDir statdir;
    pair < char *,Mat > pfi;
    vector <pair < char *,Mat >> Vp;
     if ( !statdir.SetInitDir(dir.c_str()))
    {
         return Vp;
    }
     int cls_id  = dir[dir.length() - 1] - '0';
    vector < char * >file_vec  = statdir.BeginBrowseFilenames( "*.jpg");
     int i,s  = file_vec.size();
     for (i = 0;i <s;i ++)
    {
        pfi.first  = file_vec[i];
        pfi.second  = imread(file_vec[i], 0);
        Vp.push_back(pfi);
    }
    file_vec  = statdir.BeginBrowseFilenames( "*.bmp");
    s  = file_vec.size();
     for (i = 0;i <s;i ++)
    {
        pfi.first  = file_vec[i];
        pfi.second  = imread(file_vec[i], 0);
        Vp.push_back(pfi);
    }
    file_vec  = statdir.BeginBrowseFilenames( "*.png");
    s  = file_vec.size();
     for (i = 0;i <s;i ++)
    {
        pfi.first  = file_vec[i];
        pfi.second  = imread(file_vec[i], 0);
        Vp.push_back(pfi);
    }
     return Vp;
}

 

    处理当前目录下imgs文件夹下的所有文件，结果如下

三、反思

     ​目前代码在部署的时候还可以继续改进，目前需要将haarcascade_frontalface_default.xml拷贝到c:/目录下，需要创建c:/imgs文件夹并且将需要变换的图像拷贝到其中，并且创建d:/imgs文件夹。这是不方便的，但是作为一个原型，我没有继续优化。

     我认为比较关键的一点，就是根据你需要突出显示的对象，选择识别的人脸识别的算法。目的就是将人脸抹去，而将需要显示的区域显示出来。

     感谢阅读！希望能够对你有所帮助。

 

​​来自为知笔记(Wiz)​​