基于 Multi-Task CNN 和 facenet 模型的人脸识别

前言

人脸识别技术已经应用到了生活的方方面面，刷脸进门、刷脸支付等。本文介绍一种简单的基于 MTCNN 和 facenet 的人脸识别实现。让初学者有个大致的体感，人脸识别是怎么做的。

框架

训练流程：

对训练集中已标注好人物名称 (label) 的图片：

1. 使用 MTCNN 提取图片中的人脸
2. 使用 facenet 模型编码图片生成 128 维的 embedding 特征向量 (features)
3. 使用 SVM(Support Vector Machine) 对所有 features 和对应的 label 做分类，得到训练模型。

识别流程：

对要识别的目标图片，和训练图片一样提取出 features 向量，使用训练过程得到的模型做分类。

实现

可以下载 face-recognition-mtcnn 源代码 直接使用。

一、环境安装

# tensorflow
pip install tensorflow
# mtcnn
pip install mtcnn
# PIL
pip install Pillow
# numpy
pip install numpy
# matplotlib
pip install matplotlib

二、准备数据

下载 5-celebrity-faces-dataset 数据集，其中包含 5 个人脸的训练和验证数据。当然这里你也可以自己搜集数据。数据集的目录格式：

• dataset-name
  • train
    • person1
      • xxx.jpg
      • xxx.jpg
        …
    • person2
      …
    • personM
  • val
    • person1
    • person2
      …
    • personM

下载已训练好的 facenet 模型 facenet_keras.h5
将上述资源放在工程 res 目录中。

三、代码实现

人脸提取

将测试集和训练集中的图片进行处理，提取人脸图片，用于作为后续特征提取的输入。
preprocess.py

1. 从单个图片文件中提取人脸图片

def extract_face