FaceNet实现人脸检测和识别

Posted 2021-11-28 exciting

 

 

facenet 进行人脸识别测试

1.简介：facenet 是基于 TensorFlow 的人脸识别开源库，有兴趣的同学可以扒扒源代码：

https://github.com/davidsandberg/facenet

 

2.安装和配置 facenet

我们先将 facenet 源代码下载下来：

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

在使用 facenet 前，务必安装下列这些库包：

这里如果是anaconda环境，强烈建议隔个虚拟环境一键安装，如果tf版本过新后面一定会报错

 

或者直接移动到 facenet 目录下，一键安装

pip install -r requirements.txt
 

3.下载 LFW 数据集

LFW 是由美国马萨诸塞大学阿姆斯特分校计算机视觉实验室整理的。它包含13233张图片，共5749人，其中4096人只有一张图片，1680人的图片多余一张，每张图片尺寸是250x250 。

下载地址：http://vis-www.cs.umass.edu/lfw/   ->Menu->Download->All images as gzipped tar file

下载完成后，我们将文件解压到 facenet/data/lfw_data/lfw 目录下

先切换到 lfw_data路径

tar zxvf lfw.tgz -C ./

在 lfw_data 目录下新建一个目录 lfw_160，用来存放裁剪后图片。

 

4.对图像进行预处理

因为程序中神经网络使用的是谷歌的“inception resnet v1”网络模型，这个模型的输入时160*160的图像，而我们下载的LFW数据集是250*250限像素的图像，所以需要进行图片的预处理。

运行 facenet/src/align/align_dataset_mtcnn.py 来修改图片尺寸大小，加入下列参数

facenet/data/lfw_data/lfw 　　　　　　 #输入图像文件夹
facenet/data/lfw_data/lfw_160 　　　　　　　　 #输出图像文件夹
--image_size 160 --margin 32 --random_order --gpu_memory_fraction 0.25 　　　　#指定裁剪后图像大小（如果不指定，默认的裁剪结果是182*182像素的）

即

python align_dataset_mtcnn.py facenet/data/lfw_data/lfw facenet/data/lfw_data/lfw_160 --image_size 160 --margin 32 --random_order --gpu_memory_fraction 0.25 

如果用的是 pycharm，可以在 RUN -> Edit Configurations 下添加参数信息，然后运行 align_dataset_mtcnn.py 文件：

 

校准后图像大小即变为160 x 160 

 

 

5.评估 Google 预训练模型在数据集中的准确性

facenet提供了两个预训练模型，分别是基于CASIA-WebFace和 VGGFace2人脸库训练的。（由于存储在 Google 网盘中，需要 FQ 下载使用）

GitHub 地址：https://github.com/davidsandberg/facenet

 

 

这里我采用的是 CASIA-WebFace 预训练模型，有兴趣了解的小伙伴，可以到CASIA-WebFace 官网看看：

http://www.cbsr.ia.ac.cn/english/CASIA-WebFace-Database.html

将下载好的预训练文件解压到 facenet/src/models目录下：

添加参数

facenet/data/lfw_data/lfw_160 facenet/src/models/20180408-102900
运行 validate_on_lfw.py 文件。

这里我刚开始运行的时候报错：

发现是预训练模型版本太旧，我们在 facenet 上下载最新的CASIA-WebFace 训练库再重新运行即可。