《人工智能导论》大实验（选题二：人脸与语音识别）

大实验（选题二：人脸与语音识别）一、实验目的1.理解人脸识别的4个核心步骤：图像采集→人脸定位→特征提取→特征比对。2.掌握OpenCV+face_recognition库的基本用法，能在本地完成人脸验证。3.理解语音识别的4个核心步骤：语音输入→编码→解码→文字输出。4.能够使用2种Python方案（speech_recognition在线API/Whisper离线模型）进行语音识别。二、实验内容任务一：人脸识别1.实验环境安装（1）安装Python。（2）安装OpenCV和face_recognition。pipinstallopencv-pythonface_recognition2.配置开发环境（1）若使用PyCharm：创建新项目时选择已安装的Python解释器。（2）若使用命令行：无需额外配置，确保Python已添加到系统环境变量。3.人脸图像采集使用笔记本摄像头拍摄3张自己的正面照片，保存为known_face.jpg。4.人脸定位运行脚本，用face_recognition.face_locations()在图片中画出人脸矩形框，确认检测无误。5.特征提取调用face_recognition.face_encodings()生成128维特征向量，存入数组known_encoding。6.特征比对现场再拍1张test_face.jpg；提取特征后，用compare_faces()与已知向量比对，输出“匹配/不匹配”。7.可视化结果在比对成功的照片上标注姓名并保存，记录实验结果。参考代码如下：在运行此代码之前，确保已经安装了OpenCV库和深度学习库。#1.人脸图像采集#引入OpenCV库，提供图像/视频处理、摄像头读取等功能importcv2#引入face_recognition库，提供基于深度学习的人脸检测与识别接口importface_recognition#初始化摄像头cap=cv2.VideoCapture(0)#参数0表示使用默认摄像头#采集人脸图像print("请将脸部对准摄像头，按回车键采集图像...")input()#等待用户按下回车键ret,frame=cap.read()#读取一帧图像ifnotret:print("无法读取图像！")exit()#释放摄像头资源cap.release()#显示采集到的图像cv2.imshow('CollectedFace',frame)cv2.waitKey(0)cv2.destroyAllWindows()#保存采集到的图像cv2.imwrite('collected_face.jpg',frame)print("图像采集完成，已保存为'collected_face.jpg'")#2.人脸定位#加载采集到的图像image=face_recognition.load_image_file('collected_face.jpg')#使用face_recognition库进行人脸定位face_locations=face_recognition.face_locations(image)#检查是否检测到人脸iflen(face_locations)==0:print("未检测到人脸！")exit()#在图像上绘制人脸框fortop,right,bottom,leftinface_locations:cv2.rectangle(image,(left,top),(right,bottom),(0,255,0),2)#显示人脸定位结果cv2.imshow('FaceLocalization',image)cv2.waitKey(0)cv2.destroyAllWindows()#3.人脸特征提取#加载采集到的图像image=face_recognition.load_image_file('collected_face.jpg')#提取人脸特征face_encodings=face_recognition.face_encodings(image,face_locations)#检查是否提取到特征iflen(face_encodings)==0:print("未提取到人脸特征！")exit()#获取第一个检测到的人脸特征face_encoding=face_encodings[0]#打印特征向量（128维）print("人脸特征向量：",face_encoding)#4.人脸特征比对#加载已知人脸图像（用于比对）known_image=face_recognition.load_image_file('known_face.jpg')#替换为已知人脸图像路径known_face_encoding=face_recognition.face_encodings(known_image)[0]#比对人脸特征results=face_pare_faces([known_face_encoding],face_encoding)#判断是否匹配ifresults[0]:print("人脸匹配成功！")else:print("人脸匹配失败！")任务二：语音识别1.实验环境安装（1）安装Python。（2）安装库。pipinstallspeech_recognitionpyaudio2.配置开发环境（1）若使用PyCharm：创建新项目时选择已安装的Python解释器。（2）若使用命令行：无需额外配置，确保Python已添加到系统环境变量。3.使用speech_recognition库实现语音识别。参考代码：#导入speech_recognition库，这是一个用于语音识别的Python库importspeech_recognitionassr#初始化识别器recognizer=sr.Recognizer()#从麦克风获取语音输入withsr.Microphone()assource:print("请开始说话...")recognizer.adjust_for_ambient_noise(source)#降噪audio=recognizer.listen(source,timeout=5)#录制5秒try:#使用GoogleWebSpeechAPI识别（需联网）#使用speech_recognition库中的recognize_google函数来识别音频文件中的语音内容#'audio'是之前加载的音频数据，'language="zh-CN"'指定识别的语言为中文text=recognizer.recognize_google(audio,language="zh-CN")print("识别结果：",text)exceptsr.UnknownValueError:print("无法识别语音")exceptsr.RequestError:print("API请求失败")4.使用Whisper模型实现语音识别参考代码：#导入whisper库，这是一个用于语音识别的轻量级库importwhisper#导入torch库，这是一个流行的开源机器学习库，广泛用于深度学习研究和应用importtorch#加载预训练模型（可选：tiny,base,small,medium,large）model=whisper.load_model("small")#识别音频文件result=model.transcribe("audio.wav",language="zh")print("识别结果：",result["text"])#实时识别（需配合pyaudio）"""importpyaudioimportwave#录制音频p=pyaudio.PyAudio()stream=p.open(format=pyaudio.paInt16,channels=1,rate=16000,input=True,frames_per_buffer=1024)frames=[stream.read(1024)for_inrange(0,int(16000/1024*5))]#录5秒stream.stop_stream()#保存为临时文件withwave.open("temp.wav","wb")aswf:wf.setnchannels(1)wf.setsampwidth(p.get_sample_size(pyaudio.paInt16))