facenet 人脸识别库的搭建和使用方法（二）

上一篇文章介绍了facenet人脸识别的源码使用，这篇文章就来搭建自己的人脸识别库。

1. 制作自己的人脸识别库

1.1 准备数据集

通过百度图片爬取一些明星图片为例，这里准备了一个DownloadImageByBaidu.py文件用来下载图片。

# coding=utf-8
"""
爬取百度图片的高清原图
"""
import re
import sys
import urllib
import osimport requestsdef get_onepage_urls(onepageurl):if not onepageurl:print('执行结束')return [], ''try:html = requests.get(onepageurl).textexcept Exception as e:print(e)pic_urls = []fanye_url = ''return pic_urls, fanye_urlpic_urls = re.findall('"objURL":"(.*?)",', html, re.S)fanye_urls = re.findall(re.compile(r'<a href="(.*)" class="n">下一页</a>'), html, flags=0)fanye_url = 'http://image.baidu.com' + fanye_urls[0] if fanye_urls else ''return pic_urls, fanye_urldef down_pic(pic_urls,pic_name,localPath):if not os.path.exists(localPath):  # 新建文件夹os.mkdir(localPath)"""给出图片链接列表, 下载图片"""for i, pic_url in enumerate(pic_urls):try:pic = requests.get(pic_url, timeout=15)string = pic_name + "_" + str(i + 1) + '.jpg'with open(localPath + '%s' % string, 'wb')as f:f.write(pic.content)print('成功下载第%s张图片: %s' % (str(i + 1), str(pic_url)))except Exception as e:print('下载第%s张图片时失败: %s' % (str(i + 1), str(pic_url)))print(e)continueif __name__ == '__main__':keyword = '胡歌1920*1080'  # 关键词, 改为你想输入的词即可url_init_first = r'https://image.baidu.com/search/index?tn=baiduimage&ipn=r&ct=201326592&cl=2&lm=-1&st=-1&fm=result&fr=&sf=1&fmq=1551588579127_R&pv=&ic=&nc=1&z=&hd=&latest=&copyright=&se=1&showtab=0&fb=0&width=1920&height=1080&face=0&istype=2&ie=utf-8&word=%E8%83%A1%E6%AD%8C'url_init = url_init_first + urllib.parse.quote(keyword, safe='/')all_pic_urls = []onepage_urls, fanye_url = get_onepage_urls(url_init)all_pic_urls.extend(onepage_urls)fanye_count = 0  # 图片所在页数，下载完后调整这里就行while 1:onepage_urls, fanye_url = get_onepage_urls(fanye_url)fanye_count += 1print('第%s页' % fanye_count)if fanye_url == '' and onepage_urls == []:breakall_pic_urls.extend(onepage_urls)down_pic(list(set(all_pic_urls)),'huge','/home/liguiyuan/study/deep_learning/project/facenet/data/my_data/star_images/huge')#保存位置也可以修改

新建自己的数据库文件夹，然后执行DownloadImageByBaidu.py 下载网络图片到 my_data/star_images 目录下

mkdir -p my_data/star_images
python DownloadImageByBaidu.py

再通过align_dataset_mtcnn.py进行人脸检测，并把人脸图片尺寸设定为 160*160:

python src/align_dataset_mtcnn.py data/my_data/star_images/ data/my_data/star_images_160 --image_size 160 --margin 32 --random_order --gpu_memory_fraction 0.25

此时我们在star_images_160文件夹里面看到制作好的数据集，有一点值得注意的是，里面的人脸图片数据集并不是可靠的，我们从网上下载的图片可能有些图片质量较差，或者有多张人脸的，然后导致人脸检测失败，所以我们还需要检测star_images_160里面的人脸图片，把不合格的图片给删掉。到这里图片数据集准备完毕。下面来做一个人脸识别库。

1.2 制作人脸识别库

训练一个人脸识别库，在facenet/models/ 目录下my_classifier.pkl 文件。

python src/classifier.py TRAIN data/my_data/star_images_160/ models/20180402-114759/ models/my_classifier.pkl

我们使用 .pkl 文件来验证图片，看看效果：

python src/classifier.py CLASSIFY data/my_data/star_images_160/ models/20180402-114759/ models/my_classifier.pkl

可以看到准确率为 97.2%，有两张图片识别错了。

2. 验证图片

网上下载一张图片，然后用 predict.py 代码来测试：

cp -i contributed/predict.py src/
python src/predict.py data/my_data/unknown_name.jpeg models/20180402-114759/ models/my_classifier.pkl --gpu_memory_fraction 0.25

结果显示能够正确识别。

3. 使用摄像头实时识别

拷贝contributed目录下的 face.py和real_time_face_recognition.py文件放到src目录下

把 face.py代码里的

facenet_model_checkpoint = os.path.dirname(__file__) + "/../model_checkpoints/20170512-110547"
classifier_model = os.path.dirname(__file__) + "/../model_checkpoints/my_classifier_1.pkl"
改为：

facenet_model_checkpoint = os.path.dirname(__file__) + "/../models/20180402-114759"
classifier_model = os.path.dirname(__file__) + "/../models/my_classifier.pkl"

运行实时人脸识别代码：

python src/real_time_face_recognition.py

思考：每次加入新的人脸去识别时，是怎么把新的人脸图片加入到人脸识别数据库(.pkl)的，难道要加入新的图片重新生成一个.pkl文件吗。答案当然不是，我们在实际的产品中看到，只需要加入几张新的图片就可以了。接下来会继续探索～

上篇文章：facenet 人脸识别源码的使用方法（一）

下篇文章：facenet 人脸识别原理理解（三）

注：转载请注明原出处：https://blog.csdn.net/u012505617/article/details/88086447

参考资料：

https://www.cnblogs.com/gmhappy/p/9472387.html