facenet + Mtcnn 实现人脸识别（实现步骤）

网上关于facenet以及Mtcnn原理的博客有很多，本文便不再赘述，如果有不明白的可以参考该博客http://www.uml.org.cn/ai/201806124.asp。

本文更多的是帮助大家使用facenet以及Mtcnn 实现人脸识别功能，这里我们利用的是Github上的一个开源项目，项目链接：https://github.com/davidsandberg/facenet

解压后得到facenet文件夹，我们把它放到主目录下，方便使用，如图：

值得注意的是如果单单git该项目的话，并不能实现功能我们还要下载其附带的预训练模型：

这里的资源是需要连接外网的，有篇博客提供了国内资源下载：https://pan.baidu.com/share/init?surl=LLPIitZhXVI_V3ifZ10XNg

密码：12mh。下载后我们会得到一个20170512-110547的压缩文件，解压后放入之前的facenet文件夹，这里我用到的是20180402-114759，不过并不影响。

到这里我们的一切项目准备工作就已经完成了，接下来我们按步骤进行。

1.给代识别的人脸建造数据库

在facenet文件夹中新建文件夹test_imgs，在文件夹下创建若干个文件夹存放若干个人的照片，形如：

每个文件夹下的照片具体是多少并没有严格要求，但是不能太少，10张以上是必须的，不然SVM分类的准确率会下降。

2.对已经建好的数据库的图片进行Mtcnn和剪裁处理

在运行之前我们要先配置python路径,在终端以此输入：

export PYTHONPATH=~/facenet/src/align

export PYTHONPATH=~/facenet/src

如果依然报缺少模块错误，就将二者顺序反一下输入，注意此处每打开一次终端就得重新输入一次，想要彻底解决，需要修改配置文件，具体见下文，接下来开始处理：

因为训练网络里所用到的图片的大小均为160x160像素，所以我们要将图片处理成对应像素，并利用Mtcnn将图片中的人脸剪裁出来。这里我们用到的代码是位于facenet/src/align中的align_dataset_mtcnn.py,具体使用方法如下。

1.进入align_dataset_mtcnn.py所在的文件夹。

2.执行上述指令，参数解析：（1）.py文件（2）待处理的人脸数据库绝对路径（3）处理后的人脸数据库路径，此处给出就好，具体将由程序代码自动生成（4）--image_size 160 图像尺寸（5）在Mtcnn检测得到的人脸的基础上缩小32像素。

执行后我们产生了如图所示的文件夹test_imgs_160:

3.利用处理好的数据库进行SVM分类，产生.pkl文件

此处我们用到了位于/facenet/src中的classifier.py文件具体使用如下图。

1.进入classifier.py所在的文件夹，已在则忽略

2.运行上述命令，参数解析（1）.py文件（2）模式选择，仔细看源码我们发现，有两种模式可供选择，这里我们选择TRAIN（训练模式）（3）待分类的人脸数据库（4）之前下载的模型，这里要替换成所下载的版本，我的是20180402-114759。（5）pkl文件所在的位置及名字，此处同样给出就好，代码会自动创建。

4.修改原项目自带的模型文件，以及.pkl文件

1.进入/facenet/contributed，打开face.py文件。

2.修改选中部分为自己的模型文件以及.pkl文件，并保存。

5.调用代码实现时实人脸识别

在facenet/contributed文件夹下运行real_time_face_recognization.py文件即可查看效果。

/----------------------------------------------------------------------------------------------------------------------------------------------------------------/

文章截止到这里就已经可以实现基本的人脸识别效果，以下内容为自己修改部分。

1.解决需要重复导入python路径问题：

回到主目录打开配置文件：

在文件最下面添加：

保存文件。

注意要根据自己的实际情况对路径作出修改！

2.原有的项目仅能对数据库中的人进行识别，而未在数据库中的人物也能识别，不符合我们的需求，所以我们对阈值做了修改

打开上文提到的face.py文件

添加a = unknow，修改阈值，如果分类的预测率小于设定阈值，则返回 a.

facenet + Mtcnn 实现人脸识别（实现步骤）相关推荐

人脸检测MTCNN和人脸识别Facenet(附源码)
原文链接:人脸检测MTCNN和人脸识别Facenet(附源码) 在说到人脸检测我们首先会想到利用Harr特征提取和Adaboost分类器进行人脸检测(有兴趣的可以去一看这篇博客第九节.人脸检测之Haa ...
Centerface + Facenet实现视频人脸识别（附代码）
Centerface + Facenet实现视频人脸识别 Facenet的pytorch版本:GitHub地址:https://github.com/timesler/facenet-pytorch ...
视觉识别入门之人脸识别——基于FACENET的高精度人脸识别
视觉识别入门之人脸识别---- 基于FACENET的高精度人脸识别一:项目展示: - 这是实时视频读取的展示,是可以读单张图片,或者本地视频流,抑或是实时人脸检测与分类的,至于我为什么不展示我的自拍 ...
（转）第三十七节、人脸检测MTCNN和人脸识别Facenet(附源码)
http://www.cnblogs.com/zyly/p/9703614.html 在说到人脸检测我们首先会想到利用Harr特征提取和Adaboost分类器进行人脸检测(有兴趣的可以去一看这篇博客第 ...
【项目实战】Python基于MTCNN+FaceNet+SVM进行人脸识别项目实战
说明:这是一个机器学习实战项目(附带数据+代码+文档+视频讲解),如需数据+代码+文档+视频讲解可以直接到文章最后获取. 1.项目背景人脸识别的现代研究始于20世纪60年代末.在近20年,随着计算机 ...
python人脸识别库_基于facenet的实时人脸识别系统
facenet_facerecognition opencv+mtcnn+facenet+python+tensorflow 实现实时人脸识别 Abstract:本文记录了在学习深度学习过程中,使用o ...
基于FaceNet的实时人脸识别训练
FaceNet人脸特征提取 FaceNet是一种用于提取人脸图像特征的深度神经网络.它由谷歌研究人员 Schroff 等人提出. 论文地址:https://arxiv.org/abs/1503.038 ...
人脸检测、人脸定位、人脸对齐、MTCNN、人脸识别(衡量人脸的相似或不同：softmax、三元组损失Triplet Loss、中心损失Center Loss、ArcFace)
日萌社人工智能AI:Keras PyTorch MXNet TensorFlow PaddlePaddle 深度学习实战(不定时更新) # ArcFace class ArcMarginProduc ...
（转）如何应用MTCNN和FaceNet模型实现人脸检测及识别
https://zhuanlan.zhihu.com/p/37705980 人脸检测与人脸识别人脸检测是对人脸进行识别和处理的第一步,主要用于检测并定位图片中的人脸,返回高精度的人脸框坐标及人脸特征 ...

facenet + Mtcnn 实现人脸识别（实现步骤）

facenet + Mtcnn 实现人脸识别（实现步骤）相关推荐

最新文章

热门文章