Python AIは人の顔を判定できるのか!?-第2章 後半-

#画像を編集するために使う
import cv2

#画像を表示するために使う
import matplotlib.pyplot as plt

#画像を編集するために使う
from PIL import Image

import numpy as np

#コマンドプロンプトから文字を読み取るために使う
import sys

import keras

#ニューラルネットワークのモデルを定義するためのライブラリ
from keras.models import Sequential

#畳み込みの処理やプーリングの処理をするためのライブラリ
from keras.layers import Conv2D, MaxPooling2D

#Activationは活性化関数，Dropoutはドロップアウト処理，
#Flattenはデータを1次元に変換，Denseは全結合
from keras.layers import Activation, Dropout, Flatten, Dense

#ファイルをロードするためのライブラリ
from keras.models import load_model

#クラスを作成
face_classes = ["my_face", "other_face", "other_face2"]

#表示形式を変えておく
face_name = ["本人です!", "あなたではないです!", "あなたではないです!"]

#クラスの数（＝3）
num_face_classes = len(face_classes)

#画像のサイズを指定
image_size = 50

#ニューラルネットワークのモデルを作成する
def neural_model():
    
    #------------------------------------------------
    
    model = Sequential()

    model.add(Conv2D(32, 
                     kernel_size=(3,3), 
                     padding="same",
                     input_shape=(image_size, image_size, 3)))
    
    #マイナスの値を除去
    model.add(Activation("relu"))

    #------------------------------------------------ 

    model.add(Conv2D(32, 
                     kernel_size=(3,3)))
    
    model.add(Activation("relu"))
    
    model.add(MaxPooling2D(pool_size=(2,2))) 
    
    #過学習の抑制(ランダムでニューロンを無効化)
    #偏ったニューロンに依存しないため
    model.add(Dropout(rate=0.25))#25%無効化
        
    #------------------------------------------------

    model.add(Conv2D(64, 
                     kernel_size=(3,3), 
                     padding="same"))
    
    model.add(Activation("relu"))

    #------------------------------------------------

    model.add(Conv2D(64, 
                     kernel_size=(3,3)))
    
    model.add(Activation("relu"))
    
    model.add(MaxPooling2D(pool_size=(2,2)))
    
    model.add(Dropout(0.25))
        
    #------------------------------------------------
    
    model.add(Flatten())
    
    model.add(Dense(512))
    
    model.add(Activation("relu"))
    
    model.add(Dropout(0.5))
    
    model.add(Dense(num_face_classes))
    
    model.add(Activation("softmax"))
    
    #------------------------------------------------
    
    #オプティマイザーを作成
    opt = keras.optimizers.RMSprop(learning_rate=0.0001, 
                                   decay=1e-6)
    
    #コンパイル
    model.compile(loss="categorical_crossentropy", 
                  optimizer=opt, 
                  metrics=["accuracy"])
    
    #モデルのロード（）
    model = load_model("./face_cnn.h5")
    
    return model

def main_predict():

    #--------------------------------------------------------------------------- 

    #読み込む画像のファイル名
    image_name = str(input("画像ファイル名="))
    
    #入力用にOpenCVで画像を読み込む
    image_in = cv2.imread(image_name)

　　#顔の検出器を作成
    face_cascade = cv2.CascadeClassifier("haarcascade_frontalface_alt.xml")

　　#グレイスケールに変換
    image_gray = cv2.cvtColor(image_in, cv2.COLOR_BGR2GRAY)

　　#顔認証を実行
    face_list = face_cascade.detectMultiScale(image_gray, minNeighbors=20)

    #--------------------------------------------------------------------------- 

    #認証した部分に印をつける(枠で囲む)
    for (x,y,w,h) in face_list:
        
        #赤を用意
        red = (0,0,255)
        #顔の部部を囲む
        cv2.rectangle(image_in, (x,y), (x+w, y+h), red, 1)
        
        #顔の部分のみ取り出す
        trim_face = image_in[y:y+h,x:x+w]
        
        #RGBに変換する(OpenCVのBGRをRGBに変換する)
        image_rgb = cv2.cvtColor(trim_face,cv2.COLOR_BGR2RGB)

    #---------------------------------------------------------------------------

    #OpenCVからpillowに変換
    change_pillow = Image.fromarray(image_rgb)

    #OpenCVのRGBからpillowのRGBに変換する
    image_rgb = change_pillow.convert("RGB")     
        
    #画像のサイズを50×50にリサイズする(顔のみの画像)
    resize_face = image_rgb.resize((image_size, image_size))

    #---------------------------------------------------------------------------

    #顔の部分のみの画像を数値に変換する
    data = np.asarray(resize_face)
    
    #リストを用意
    X = []
    
    #Xにdataを入れる
    X.append(data)
    
    #XをTensorFlowが扱いやすいようにNumpy型に変換する
    X = np.array(X)

    #---------------------------------------------------------------------------

    #ニューラルネットワークのモデル関数を呼び出す
    model = neural_model()
    
    #画像をニューラルネットワークのモデルから予測する
    result = model.predict([X])[0]
    
    #一番値の大きい配列の添え字を返す
    pred = result.argmax()
    
    #精度を求める
    percentage = int(result[pred]*100)
    
    #結果を表示
    print("\n{0} {1} %".format(face_classes[pred], percentage))
    
    print()

    #["my_face", "other_face", "other_face2"]のどれであるか?
    print(result)

    #---------------------------------------------------------------------------

    #もし，"my_face"なら，
    if face_classes[pred] == "my_face":
    
        print()
        
        #"本人です!"と表示
        print(face_name[pred])
        
    #もし，"other_face"なら，
    elif face_classes[pred] == "other_face":
        
        print()
        
        #"本人ではないです"と表示
        print(face_name[pred])
     
    #もし，"other_face2"なら
    elif face_classes[pred] == "other_face2":
        
        print()
        
        #"本人ではないです"と表示
        print(face_name[pred])

    #---------------------------------------------------------------------------

    #顔のみの画像を表示
    plt.imshow(image_rgb)
    
    plt.show()

    #---------------------------------------------------------------------------

#コマンドプロンプトで実行する          
if __name__ == "__main__":

    #main_predict()を呼びだす
    main_predict()