基于NUAA数据集的spoofing代码

1）需要下载NUAA数据集；2）结合NUAA数据集，完成根据list读取数据集，embedding，之后训练一个活体检测模型；3）测试模型的性能

from os import listdir
from pickle import dump
import keras
from keras.applications.vgg16 import VGG16
from keras.preprocessing.image import load_img
from keras.preprocessing.image import img_to_array
from keras.applications.vgg16 import preprocess_input
from keras.models import Model

#saved as C:\Users\Administrator\.keras\models
def extract_features（directorytarget_size）:

	model = VGG16（）
	#Modify model to remove the last layer
	model.layers.pop（）
	model = Model（inputs=model.inputsoutputs=model.layers[-1].output）
	print（model.summary（））

	for sub_dir in listdir（directory）:
		if sub_dir == ‘.DS_Store‘:
			continue

		if sub_dir == ‘ImposterRaw‘:

			features = {}
			subdirectory = directory + “/“+ sub_dir

			for subsub in listdir（subdirectory）:
				if subsub == “.DS_Store“:
					continue

				subsubdirectory = subdirectory + “/“ + subsub

				for img_name in listdir（subsubdirectory）:
					filename = subsubdirectory+ “/“ + img_name
					if img_name == ‘Thumbs.db‘ or img_name == ‘.DS_Store‘:
						continue

					image = load_img（filenametarget_size=（target_sizetarget_size））
					image = img_to_array（image）

					image = image.reshape（（1 image.shape[0] image.shape[1] image.shape[2]））
					# prepare the image for the VGG model
					image = preprocess_input（image）
					# get features
					img_feature = model.predict（image verbose=0）
					# store feature
					features[subsub+“\\“+img_name] = img_feature
					print（‘>%s‘ % filename）
			dump（features open（“ImposterRaw“ + “.pkl“ ‘wb‘））

		if sub_dir == ‘ClientRaw‘:

			features = {}
			subdirectory = directory + “/“ + sub_dir

			for subsub in listdir（subdirectory）:
				if subsub == “.DS_Store“:
					continue

				subsubdirectory = subdirectory + “/“ + subsub

				for img_name in listdir（subsubdirectory）:
					filename = subsubdirectory+ “/“ + img_name
					if img_name == ‘Thumbs.db‘ or img_name == ‘.DS_Store‘:
						continue

					image = load_img（filename target_size=（target_size target_size））
					image = img_to_array（image）

					image = image.reshape（（1 image.shape[0] image.shape[1] image.shape[2]））
					# prepare the image for the VGG model
					image = preprocess_input（image）
					# get features
					img_feature = model.predict（image verbose=0）
					# store feature
					features[subsub + “\\“ + img_name] = img_feature
					print（‘>%s‘ % filename）
			dump（features open（“ClientRaw“+“.pkl“ ‘wb‘））



img_features = extract_features（“G:\\人脸活体检测\\db\\raw“224）

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----
     目录           0  2019-02-27 15:59  NUAA_Face-anti-spoofing\
     文件    84128685  2019-02-27 15:55  NUAA_Face-anti-spoofing\ClientRaw.pkl
     文件   123746064  2019-02-27 15:57  NUAA_Face-anti-spoofing\ImposterRaw.pkl
     文件        1317  2018-07-20 04:58  NUAA_Face-anti-spoofing\README.md
     文件       93425  2010-10-15 19:22  NUAA_Face-anti-spoofing\client_test_raw.txt
     文件       48404  2010-10-15 19:18  NUAA_Face-anti-spoofing\client_train_raw.txt
     文件        2482  2019-02-27 15:52  NUAA_Face-anti-spoofing\create_embeddings.py
     文件      160034  2010-10-15 19:28  NUAA_Face-anti-spoofing\imposter_test_raw.txt
     文件       48562  2010-10-15 19:25  NUAA_Face-anti-spoofing\imposter_train_raw.txt
     文件        4379  2018-07-20 04:58  NUAA_Face-anti-spoofing\model.py