基于 MTCNN/TensorFlow 实现人脸检测

人脸检测方法有许多，比如opencv自带的人脸Haar特征分类器和dlib人脸检测方法等。对于opencv的人脸检测方法，有点是简单，快速；存在的问题是人脸检测效果不好。正面/垂直/光线较好的人脸，该方法可以检测出来，而侧面/歪斜/光线不好的人脸，无法检测。因此，该方法不适合现场应用。对于dlib人脸检测方法，效果好于opencv的方法，但是检测力度也难以达到现场应用标准。

MTCNN是基于深度学习的人脸检测方法，对自然环境中光线，角度和人脸表情变化更具有鲁棒性，人脸检测效果更好；同时，内存消耗不大，可以实现实时人脸检测。

代码如下：

[python] view plain copy

from scipy import misc
import tensorflow as tf
import detect_face
import cv2
import matplotlib.pyplot as plt
%pylab inline
minsize = 20 # minimum size of face
threshold = [ 0.6, 0.7, 0.7 ] # three steps's threshold
factor = 0.709 # scale factor
gpu_memory_fraction=1.0
print('Creating networks and loading parameters')
with tf.Graph().as_default():
gpu_options = tf.GPUOptions(per_process_gpu_memory_fraction=gpu_memory_fraction)
sess = tf.Session(config=tf.ConfigProto(gpu_options=gpu_options, log_device_placement=False))
with sess.as_default():
pnet, rnet, onet = detect_face.create_mtcnn(sess, None)
image_path = '/home/cqh/faceData/multi_face/multi_face3.jpg'
img = misc.imread(image_path)
bounding_boxes, _ = detect_face.detect_face(img, minsize, pnet, rnet, onet, threshold, factor)
nrof_faces = bounding_boxes.shape[0]#人脸数目
print('找到人脸数目为：{}'.format(nrof_faces))
print(bounding_boxes)
crop_faces=[]
for face_position in bounding_boxes:
face_position=face_position.astype(int)
print(face_position[0:4])
cv2.rectangle(img, (face_position[0], face_position[1]), (face_position[2], face_position[3]), (0, 255, 0), 2)
crop=img[face_position[1]:face_position[3],
face_position[0]:face_position[2],]
crop = cv2.resize(crop, (96, 96), interpolation=cv2.INTER_CUBIC )
print(crop.shape)
crop_faces.append(crop)
plt.imshow(crop)
plt.show()
plt.imshow(img)
plt.show()

实验效果如下：

再上一组效果图：

关于MTCNN，更多资料可以参见：https://kpzhang93.github.io/MTCNN_face_detection_alignment/index.html?from=timeline&isappinstalled=1

欢迎大家参考我复现的https://github.com/AITTSMD/MTCNN-Tensorflow，欢迎提出宝贵意见~

基于 MTCNN/TensorFlow 实现人脸检测相关推荐

mtcnn人脸检测python_基于MTCNN/TensorFlow实现人脸检测
人脸检测方法有许多,比如opencv自带的人脸Haar特征分类器和dlib人脸检测方法等.对于opencv的人脸检测方法,有点是简单,快速:存在的问题是人脸检测效果不好.正面/垂直/光线较好的人脸,该 ...
基于facenet的实时人脸检测
参考自https://github.com/shanren7/real_time_face_recognition 本人的项目代码https://github.com/zouzhen/real_tim ...
TensorFlow入门 | 人脸检测与识别
人脸识别概述人脸识别,特指利用分析比较人脸视觉特征信息进行身份鉴别的计算机技术.属于生物特征识别技术的一种. 广义的人脸识别实际包括构建人脸识别系统的一系列相关技术,包括人脸图像采集.人脸定位.人脸 ...
基于YOLO的密集人脸检测（课程设计）
基于YOLO的密集人脸检测(课程设计) 数据集+代码下载地址:下载地址实现的功能添加关键点检测分支,使用wing loss Installation Clone and install 使用src ...
简单的基于YCrCb颜色空间的人脸检测（肤色）
简单的基于YCrCb颜色空间的人脸检测(肤色) 环境:Windows XP+MATLAB 2010b 基本思路: 1)将基于彩色空间的RGB模型转换为YCbCr模型(考虑到人脸的生理特征,只采取了Cr ...
基于wxpython+MySQL--实现人脸检测识别的宿舍人脸检测系统
基于wxpython+MySQL--实现人脸检测识别的宿舍人脸检测系统一.功能需求二.数据库建立 2.1 初始化数据库 2.2 压缩/解压数据流 2.3 输入数据三.宿舍管理 3.1 新建录入 ...
基于深度学习的人脸检测和关键点检测推理实践（OpenCV实现，含代码）
目录一.任务概述二.环境准备三.实现步骤 3.1 Python推理 3.2 C++推理 3.2.1 环境准备 3.2.2 推理 3.3 Java推理一.任务概述最近项目中大量场景需要用到人脸 ...
【FPGA教程案例91】机器视觉2——通过FPGA实现基于肤色模型的人脸检测,使用MATLAB辅助测试
FPGA教程目录 MATLAB教程目录本课程成果预览(将FPGA处理结果导入到matlab显示效果) 目录 1.软件版本 2.基于肤色模型的人脸检测原理
github优秀项目分享：基于yolov3的轻量级人脸检测、增值税发票OCR识别等8大项目...
点击上方"机器学习与生成对抗网络",关注"星标" 获取有趣.好玩的前沿干货! 文章来源:七月在线实验室 01 yolo-face-with-landmark ...

基于 MTCNN/TensorFlow 实现人脸检测

基于 MTCNN/TensorFlow 实现人脸检测相关推荐

最新文章

热门文章