MTCNN结合Face_recognition实现图片中人脸识别

一、 本文的结构

1、算法相关库的安装
2、底库文件生成
3、人脸识别
其中需要用到训练好的mtcnn模型，文中博主直接使用已经训练好的mtcnn模型

二、 算法环境搭建以及相关库安装

创建虚拟环境：

conda create -n face_recognize python=3.5

1. mtcnn环境配置
在新创建的环境中安装：

pip install tensorflow-gpu==1.14
pip install opencv-python

将训练好的mtcnn人脸检测代码放入project中
2. face-recognition依赖库安装
在环境中安装：

pip install cmake
pip install easydict
pip install scikit-learn==0.21.3
pip install Pillow 
pip install dlib
pip install face-recognition-models 

源码下载face-recognition代码

git clone https://github.com/ageitgey/face_recognition.git

三、 底库文件生成

1、该部分代码为生成人脸识别算法的底库文件，首先准备数据，数据集文件格式如下图文件夹结构所示：

图中每个文件夹代表一个类别，每个类别中放置几张图片，
运行代码后生成clf文件，用以下一部分的人脸识别；
代码：face_pic_classfier.py

# coding:utf-8
import os
import face_recognition
from sklearn import neighbors
import pickle

# 加载mtcnn模块
from training.mtcnn_model import P_Net, R_Net, O_Net
from tools.loader import TestLoader
from detection.MtcnnDetector import MtcnnDetector
from detection.detector import Detector
from detection.fcn_detector import FcnDetector
from face_recognition.face_recognition_cli import image_files_in_folder


def net(stage):
    detectors = [None, None, None]
    if stage in ['pnet', 'rnet', 'onet']:
        modelPath = "/home/alex/face_recognize/mtcnn_fance-recognize/main/tmp/model/pnet"
        a = [b[5:-6] for b in os.listdir(modelPath) if b.startswith('pnet-') and b.endswith('.index')]
        maxEpoch = max(map(int, a))  # auto match a max epoch model
        modelPath = os.path.join(modelPath, "pnet-%d" % (maxEpoch))
        print("Use PNet model: %s" % (modelPath))
        detectors[0] = FcnDetector(P_Net, modelPath)
    if stage in ['rnet', 'onet']:
        modelPath = "/home/alex/face_recognize/mtcnn_fance-recognize/main/tmp/model/rnet"
        a = [b[5:-6] for b in os.listdir(modelPath) if b.startswith('rnet-') and b.endswith('.index')]
        maxEpoch = max(map(int, a))
        modelPath = os.path.join(modelPath, "rnet-%d" % (maxEpoch))
        print("Use RNet model: %s" % (modelPath))
        detectors[1] = Detecto