如何使用CNN來检测人脸？这里有个简单易学的教程！

一般我们作face detection最常用的选择无非是OpenCV的Cascade classifier，如果要求高辨识率，那么效果较好的Dlib则是考虑的选项，但，您有想过改用深度学习(CNN)方式来检测人脸吗？

使用Cascade classifier或Dlib的Face detection侦测脸孔的痛苦，就在于一些低照度场所或者非正面的角度经常检测失败，将背景误报为人脸的情况更是屡见不鲜，这类问题尤以OpenCV 的Cascade classifier为甚，不过，透过deep learning方式相信可大幅减少这类的情况。

下面介绍如何用YOLO来训练face detection，至于一般人所关心的face dataset从何而来？那就让系统自动产生吧，我们可以先透过OpenCV或Dlib检测出脸孔后，写支程式将这些脸孔区域产生VOC格式的xml档案，所以我们不需要费力的label照片，比较花时间的，反而是事后针对OpenCV或Dlib所自动label的脸孔进行review，以避免没有未检测出或误报的错误资料

使用Dlib取得人脸并自动label

我特地撰写了三个工具，分别针对实时影像、影片、相片取得大量的脸孔相片并进行自动face labeling。这三支程式都会自动识别影像中是否有人脸，若有的话便产生VOC xml格式的label档，并且将image档及label档放置于指定的资料夹中。

1.grep_faces_from_webcam.py

只要执行该代码，web camera便会持续的进行摄影、辨识、label人脸，并产生可用于训练的人脸dataset。

2.grep_faces_from_video.py

你可以给它一个资料夹路径，里面放置各类型的影片(mp4, mov, avi…等)，该代码会把所有影片中所能抓出的人脸制作成人脸dataset。

3.grep_faces_from_image.py

与上一支代码类似，但资料夹路径里面放置的是各类型的图片(jpg, png, bmp…等)，该程式会把该资料夹中所有能抓出的人脸制作成人脸dataset。

代码说明：

将Dlib传回的face bounding box资讯写入VOC xml template。

VOC XML范本：由两个部份所组成

xml_object.txt为xml_file.txt的一部份，位于<segmented>标签后方，定义了相片中每一个bbox的左上角(x, y)及右下角(x, y)。

xml_file.txt

xml_object.txt

开始训练

1.准备face dataset

利用上述的三种代码，产生了3,042张已自动label完成的人脸dataset。

资料夹 Images/

资料夹 labels/

2.开始YOLO训练

直接使用我写好的YOLO快速训练script：

git clone https://github.com/ch-tseng/makeYOLOv3

编辑train.py，修改下列参数：

path的分隔字元（for Windows和Linux users）

folderCharacter = “/"  

dataset的xml档案路径(VOC format)

xmlFolder = “您的label资料夹path"

dataset的image档案路径

imgFolder = “您的images资料夹path “

你所label的class列表，请修改为您用于label脸的名称。

classList = { “face":0 }

指定转换后的YOLO training dataset的放置路径，建议与您的images资料夹path平行。

（若无此folder程式会自动create）

saveYoloPath = “/XXX/XXX/yolo"

要产生那一版YOLO model（yolov3或yolov3-tiny）

modelYOLO = “yolov3-tiny"

dataset要分出多少比例作为test dataset？

testRatio = 0.2

要产生的YOLO cfg目录及相关档案名称

（若无此folder程式会自动create）

cfgFolder = “cfg.yoloface"

cfg_obj_names = “obj.names"

cfg_obj_data = “obj.data"

训练时每个batch及subdivision的数量，亦即每次会取numBatch除上numSubdivision个image来训练，若您的GPU RAM不够大，建议您可调整此两个值。

numBatch = 24

numSubdivision = 8

darknet执行档的path

darknetEcec = “../darknet/darknet"

3.修改完上述的参数后，便可以执行python3 train.py开始训练YOLO的脸部孔侦测模型了。

测试比较

我们找一个影片，然后同步执行OpenCV的cascade classifier、Dlib的face detect以及刚刚训练好的YOLO侦测脸孔模型，三个同时来比较看看YOLO的脸孔侦测效果如何。

首先，我们发现YOLO很平顺不间断的持续侦测框选影片中的脸孔，Dlib及OpenCV则偶尔中断，OpenCV尤其严重。此外，YOLO的泛化能力相当强，也就是它能学习到物体的generalizable representations，比如，在下方的影格中可看出YOLO比起另外两种更能准确的侦测到所有的人脸：

最后

当我们需要高人脸检出率，且硬体资源有GPU可使用时，采用YOLO是相当不错的选择，除了可侦测脸部外，同时间，还能侦测其它物件，创造出不同的应用。

除了脸部，我们还能利用Dlib提供的68点facial landmarks来训练YOLO侦测脸部各个五官的位置，这部份待未来再续。

在这里推荐一个谷歌的人脸检测开发套件——AIY Vision Kit。谷歌AIY Vision Kit（视觉套件）可以处理图像识别和计算机视觉, 支持离线识别上千种常见物体（动物、植物）以及人脸、面部表情等，可以使用机器学习查看和识别对象。所有这些都装在一个方便的小纸板盒子里，由Raspberry Pi和Intel movidius提供动力。而且这款套件附带了大量开箱即用的示例模型，用户离线即可使用。