Openface 简单入门

背景

Openface是一个开源的人脸识别框架，同类软件产品还有 seetaface ，DeepID等，当然，如果算上商业的产品，那就更多了。

Openface人脸比对结果的准确度可能不是很好，它是有待提升的。如果有能力的话， 可能通过源码进行优化。 一般来说，置信度小于1 的基本可以接受的，但是这个要看具体的使用场景，我们可以根据具体的业务设置这个置信度阈值。 如果Openface 准确度达不到我们的要求， 我们可以多试几次，或者提供更加高质量的训练库图片和比对图片，或者业务上进行控制和优化，比如前端提示图片无法识别，图片不清晰等等。

安装

官方推荐用docker来安装openface，这个参照官方文档，直接用docker安装即可。如果自己一步步去安装的话，估计很花时间，而且不一定能完成。

除了安装，我们至少需要做一些准备工作，这就是人脸训练； 然后， 我们才可以使用它进行人脸识别/比对等操作。

1 人脸训练

上传基础图片，比如客户经理的图片：

将同一个人的照片，以其名字命名，然后放入同一个目录，目录名字以人名进行命名。然后上传或挂载到bamos/openface 镜像容器的图像训练目录：/root/openface/data/mydata/train_img，

如

胡歌的图片目录是：/root/openface/data/mydata/train_img/huge/

杨洋的图片目录是：/root/openface/data/mydata/train_img/yangyang/

我的图片目录是：/root/openface/data/mydata/train_img/lk/

照片要求：

尽量清晰，正面照，单人照，有且只有一张完整的人脸，可以有表情，但是尽量简单，不要太夸张的表情。照片至少8张，20 张以上为佳。 照片数量越多，效果越好。照片背景不限，衣着不限，越丰富越好，但一定要是同一个人的照片。图像大小以20~500K 为佳。

图片预处理：

./util/align-dlib.py data/mydata/train_img/ align outerEyesAndNose data/mydata/aligned_images/ --size 64

特征提取：

./batch-represent/main.lua -outDir data/mydata/generated_charaters/ -data data/mydata/aligned_images/

训练图片：

./demos/classifier.py train data/mydata/generated_charaters/ 

2 使用它做人脸比对

上传照片：

先将单张照片放入到容器的/root/openface/data/mydata/others/ 目录，图片格式尽量统一，比如都使用jpg格式。

调用接口，结果验证：

./demos/classifier.py infer data/mydata/generated_charaters/classifier.pkl /root/openface/data/mydata/others/{hu,lk }*

这里的/root/openface/data/mydata/others/{hu,lk }* 是需要进行和现有图片库做分类比对的图片， 这里 {hu,lk }* 是一个正则表达式， 表示那个目录下， hu或lk 开头的所有文件。 我们可以指定一个具体的路径，比如：

/root/openface/data/mydata/others/zhangsan.jpg

输出：

=== /root/openface/data/mydata/others/hg4.jpg ===

Predict huge with 0.91 confidence.

=== /root/openface/data/mydata/others/lk (1).jpg ===

Predict lk with 0.93 confidence.

=== /root/openface/data/mydata/others/lk (2).jpg ===

Predict lk with 0.91 confidence.

如上所见，输出结果格式是这样的：

=== 正在进行比对的图片的全路径 ===

Predict 人名 with 置信度 confidence。

表示的意思是， 如

=== /root/openface/data/mydata/others/hg4.jpg ===

Predict huge with 0.91 confidence.

意为： /root/openface/data/mydata/others/hg4.jpg 这张图片是 huge（胡歌）的可能性是0.91。 一般来说， 置信度越小，说明判断正确的可能性越大， 结果小于1 表示基本可以相信。 大于1 表示基本不可信。

3 常见问题

Q: 人脸图片无法训练或无法比对， 出现cant find a face … 报错

A: 这个很可能是图片质量问题，图片要尽量清晰和完整，不能有太大变形，光照不能太暗， 光线要均匀等等。如果图片没拍摄好，我们需要删除重新拍摄，然后上传。

Q: 同一个人的照片，结果显示置信度大于1， 是怎么回事？

A: 这种情况是可能发生的，至少有两个方面原因，1是他的训练图片库的照片质量不高，2是他新上传的需要进行比对的图片质量不高。对此我们可以多试几次，或者提供更加高质量的训练库图片和比对图片，或者业务上进行控制和优化。

Q: 需要比对的图片是huge， 怎么被分到了yangyang 这个类别，而且置信度还挺好的，怎么解释？

A: 这个还是图片质量问题，有两个方面原因，同上。

参考：

http://www.cnblogs.com/minsons/p/7922080.html

http://cmusatyalab.github.io/openface/

http://www.cnblogs.com/pandaroll/p/6590339.html

http://blog.csdn.net/u011531010/article/details/52270023