【机器学习】判断闭眼（一）

使用“在线机器学习”https://machinelearningforkids.co.uk/，训练模式，通过Mind+Python模式，判断人是否闭眼。

第一步：人脸检测
检测图片中所有出现的人脸，并返回人脸的矩形坐标（矩形左上、右下顶点坐标）。使用上面提到的xml文件（haar特征），haarcascades目录下有好几个是关于人脸检测的文件，这里选择haarcascade_frontalface_default.xml，当然也可以使用其他的。另外需要注意的是，必须以灰度图作为haar分类器的输入。

import cv2
import numpy as np
cap = cv2.VideoCapture(0)
color = (0, 255, 0)
while True:
    ret , img = cap.read()
    face_cascade = cv2.CascadeClassifier("haarcascade_frontalface_default.xml")
    grey = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    faceRects = face_cascade.detectMultiScale(grey, scaleFactor=1.2, minNeighbors=3, minSize=(32, 32))
    for (x,y,w,h) in faceRects:
        cv2.rectangle(img, (x , y - 10), (x + w + 10, y + h + 10), color, 3)  # 5控制绿色框的粗细
    cv2.imshow("face",img)
    if(cv2.waitKey(47)&0xff == 27):
        break
cap.release()
cv2.destroyAllWindows()
复制代码

第二步：训练
https://machinelearningforkids.co.uk/收集您希望计算机识别的示例。



第三步：测试下面的机器学习模型
尝试测试下面的机器学习模型。在下面输入一个示例图片,您没有在用于训练它的示例中包含这些图片。它会告诉您它识别它的内容,以及它对这个图片识别的信心。

1、睁眼测试


2、闭眼测试




第四步：安装必要库

Keras-Preprocessing==1.1.2numpy==1.19.5
Pillow==8.3.2
scipy==1.6.0
tensorflow==2.5.1
tensorflow-hub==0.11.0

第五步：下载mlforkids.py
Download mlforkids.py to the folder where you will run your Python code

第六步：在Python中使用机器学习

from mlforkids import MLforKidsImageProject

# treat this key like a password and keep it secret!
key = "f49a7bf0-3973-11ec-aa92-33dbc70ecfa535483aeb-e649-4199-9323-b2f30be8ad8a"

# this will train your model and might take a little while
myproject = MLforKidsImageProject(key)
myproject.train_model()

# CHANGE THIS to the image file you want to recognize
demo = myproject.prediction("my-test-image.jpg")

label = demo["class_name"]
confidence = demo["confidence"]

# CHANGE THIS to do something different with the result
print ("result: '%s' with %d%% confidence" % (label, confidence))
复制代码

第一次运行：
MLFORKIDS: Downloading information about your machine learning project
MLFORKIDS: Getting your training images to use to train your machine learning model
Downloading data from https://machinelearningforkids.c ... s/session-users/stu
dents/ed6d6493-16fc-4f6c-8c0c-a26ab0074353/projects/c29173d0-3972-11ec-8780-b7d1743a5f4d/images/23bd5e63-9f18-40d0-a8f8-6c4b84840c03
   8192/Unknown - 0s 0us/step……

第二次运行：
MLFORKIDS: Downloading information about your machine learning project
MLFORKIDS: Getting your training images to use to train your machine learning model
Found 34 images belonging to 2 classes.
MLFORKIDS: Defining the layers to include in your neural network

多次运行：
出现如下错误



原因可能是运行过程中需要访问这个网站： hub.KerasLayer("https://tfhub.dev/google/imagenet/mobilenet_v2_140_224/classification/4")
我的网络访问不了。

大家可以方式我的代码：

import cv2
import numpy as np
from mlforkids import MLforKidsImageProject
key = "f49a7bf0-3973-11ec-aa92-33dbc70ecfa535483aeb-e649-4199-9323-b2f30be8ad8a"
#myproject = MLforKidsImageProject(key)
#myproject.train_model()
cap = cv2.VideoCapture(0)
color = (0, 255, 0)
while True:
    ret , img = cap.read()
    face_cascade = cv2.CascadeClassifier("haarcascade_frontalface_default.xml")
    grey = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    faceRects = face_cascade.detectMultiScale(grey, scaleFactor=1.2, minNeighbors=3, minSize=(32, 32))
    if len(faceRects)>0:
     for (x,y,w,h) in faceRects:
        cv2.rectangle(img, (x , y - 10), (x + w + 10, y + h + 10), color, 3)  # 5控制绿色框的粗细
        cv2.imwrite('face.jpg',img)
        #demo = myproject.prediction('face.jpg')
        #label = demo["class_name"]
        #confidence = demo["confidence"]
        #print ("result: '%s' with %d%% confidence" % (label, confidence))
    cv2.imshow("face",img)
    if(cv2.waitKey(47)&0xff == 27):
        break
cap.release()
cv2.destroyAllWindows()
复制代码

https://train.aimaker.space/train/

尊敬的楼主，您好！我使用“在线机器学习”也遇到了不能访问网站的问题，hub.KerasLayer("https://tfhub.dev/google/imagenet/mobilenet_v2_140_224/classification/4"),  我建立模型不是象您这样用摄像头建立，而是在网站上拖动的一些花草照片，您有什么方法可以解决么？我也把您提供的代码复制了，可是不能用。我在MLK网站上自动生成的代码如下：

from mlforkids import MLforKidsImageProject

# treat this key like a password and keep it secret!
key = "bb7ff080-72d4-11ec-97ab-2778c95f205236c156de-a3fb-4262-87b7-4d59e6ddedcf"

# this will train your model and might take a little while
myproject = MLforKidsImageProject(key)
myproject.train_model()

# CHANGE THIS to the image file you want to recognize
demo = myproject.prediction("my-test-image.jpg")

label = demo["class_name"]
confidence = demo["confidence"]

# CHANGE THIS to do something different with the result
print ("result: '%s' with %d%% confidence" % (label, confidence))

666666 大神厉害！

作品做得不错！

加油加油！