facenet 人脸识别源码的使用方法（一）

1. 开发环境

OS： ubuntu16.04
tensorflow版本：1.12.0
python版本： 3.6.7

2. 下载源码到本地

facenet官方github: https://github.com/davidsandberg/facenet.git

git clone https://github.com/davidsandberg/facenet.git

在requirements.txt文件看到要安装相关的依赖库，自己用pip指令安装一下就好了

tensorflow==1.7
scipy
scikit-learn
opencv-python
h5py
matplotlib
Pillow
requests
psutil

3. 下载LFW数据集

LFW 是评估人脸识别算法效果的公开测试数据集，共有13233张图片，属于 5749 个不同人，其中图片的大小为250×250。

下载地址：http://vis-www.cs.umass.edu/lfw/

下载步骤：->Menu->Download->All images as gzipped tar file

在facenet/data/下新建lfw_data文件夹，把下载的压缩包放在 facenet/data/lfw_data 目录下，然后进行解压。

对LFW图片预处理

lfw的图片原图尺寸为 250*250，我们要修改图片尺寸，使其大小符合预训练模型的输入尺寸，即160*160。在src/align/align_dataset_mtcnn.py文件里，采用MTCNN人脸检测算法对人脸进行检测，进一步人脸对齐，然后再把人脸图片尺寸修改为160×160的尺寸，保存到facenet/data/lfw_data/lfw_160目录下。想了解更多关于MTCNN人脸检测算法，已经有不少写得不错的博客，比如：https://blog.csdn.net/qq_14845119/article/details/52680940 ，解释的很详细。

把facenet/src/align/align_dataset_mtcnn.py文件拷贝到facenet/src路径下，然后执行图片转换：

cp -i src/align/align_dataset_mtcnn.py src/
python src/align_dataset_mtcnn.py data/lfw_data/lfw data/lfw_data/lfw_160 --image_size 160 --margin 32 --random_order --gpu_memory_fraction 0.25

打印如下表示成功。

4. 下载Google预训练的网络模型

下载地址 https://github.com/davidsandberg/facenet ，这两个模型都是基于Inception ResNet V1 网络架构下进行识别的。同时看到有两个基于不同的dataset预训练好的模型，这里我下载的是VGGFace2数据集的模型。

在facenet目录下新建models文件夹，并把下载的模型放到models目录下，然后解压。

5. 预训练模型准确率测试

使用预训练模型进行测试：

python src/validate_on_lfw.py data/lfw_data/lfw_160/ models/20180402-114759/

由于我使用的tf版本的原因，我使用的是 tf1.12版本的，作者的预训练模型是在tf 1.7版本训练的，所以在导入graph时会出错。出现如下错误：

WARNING:tensorflow:From /usr/local/lib/python3.6/dist-packages/tensorflow/python/training/input.py:734: add_queue_runner (from tensorflow.python.training.queue_runner_impl) is deprecated and will be removed in a future version.
Instructions for updating:
To construct input pipelines, use the `tf.data` module.
Model directory: models/20180402-114759/
Metagraph file: model-20180402-114759.meta
Checkpoint file: model-20180402-114759.ckpt-275
2019-02-28 19:54:02.009422: W tensorflow/core/graph/graph_constructor.cc:1265] Importing a graph with a lower producer version 24 into an existing graph with producer version 27. Shape inference will have run different parts of the graph with different producer versions.
Traceback (most recent call last):
File "src/validate_on_lfw.py", line 164, in <module>
main(parse_arguments(sys.argv[1:]))
File "src/validate_on_lfw.py", line 73, in main
facenet.load_model(args.model, input_map=input_map)
File "/home/liguiyuan/study/deep_learning/project/facenet/src/facenet.py", line 381, in load_model
saver = tf.train.import_meta_graph(os.path.join(model_exp, meta_file), input_map=input_map)
File "/usr/local/lib/python3.6/dist-packages/tensorflow/python/training/saver.py", line 1674, in import_meta_graph
meta_graph_or_file, clear_devices, import_scope, **kwargs)[0]
......
KeyError: "The name 'decode_image/cond_jpeg/is_png' refers to an Operation not in the graph."

解决方法：

1.把Tensorflow换为1.7版本的；

2.在facenet.py代码中找到create_input_pipeline 再添加一行语句 with tf.name_scope("tempscope"): 就可以完美解决（貌似Tensorflow 1.10及以上版本才修复这个bug）。

改好之后，再重新执行python代码。准确率达到了 0.98500+-0.00658，打印如下：

6. 比较两张图片的欧氏距离

这里使用欧氏距离用来衡量两张人脸的相似程度，用来判别这两张图片是否为同一个人。两张人脸图片越相似，空间距离越小；差别越大，则空间距离越大。

执行以下命令：

python src/compare.py models/20180402-114759/20180402-114759.pb data/images/Anthony_Hopkins_0001.jpg data/images/Anthony_Hopkins_0002.jpg --gpu_memory_fraction 0.25

下篇文章：facenet 人脸识别库的搭建和使用方法（二）

参考：

http://www.cnblogs.com/gmhappy/p/9472388.html