用facenet进行人脸检测、人脸识别，数据用的是LFW数据集

  首先下载facenet网络facenet github，之后打开src文件，重要的文件基本在这里，

其中align文件夹下面是人脸检测、对齐与裁剪。打开align

其中那个align_dataset_mtcnn.py 就是运行人脸检测、对其与裁剪的那个程序。

打开detect_face.py文件，可以发现这个函数：

可以发现det1.npy，det2.npy,det3.npy是人脸检测网络中的权重。

安装和配置Facenet环境

这是我的facenet解压的位置 E:\hsyin\facenet-master\src

set PYTHONPATH=E:\hsyin\facenet-master\src

接下来可以运行人脸检测程序，我用的数据集是LFW  lfw数据集

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。

将lfw的数据放到 E:\hsyin\facenet-master\data\lfw\raw，同时新建一个lfw_160文件夹

遇到一个问题就是tensorflow版本的问题

max_axis = tf.reduce_max(target, axis, keepdims=True)

这是facenet上的代码：

但是我的版本的代码应该是

max_axis = tf.reduce_max(target, axis,keep_dims=True)

将上面改正就不会报错了

打开cmd将位置切换到E:\hsyin\facenet-master目录下，输入命令：

python src\align\align_dataset_mtcnn.py data/lfw/raw data/lfw/lfw_160 --image_size 160 --margin 32

data/lfw/raw是lfw的原始图片位置，data/lfw/lfw_160是生成图片的位置。

评估预训练模型的准确率

接下来去官网上下载训练好的模型：

.将模型放到指定的文件夹：

输入以下命令：

Python src\validate_on_lfw.py data\lfw\lfw_160 src\models\20180408-102900

结果：

人脸对比

1. Facenet可以直接对比2个人脸经过它的网络映射之后的欧式距离；

运行程序为facenet-master\src\compare.py；

选用的是两个不同的人脸，第一张为：

第二张为：

运行：

python src\compare.py src\models\20180408-102900 data\lfw\lfw_160\Aaron_Eckhart\Aaron_Eckhart_0001.pngdata\lfw\lfw_160\Aaron_Guiel\Aaron_Guiel_0001.png

结果如上所述：这两张的距离为1.4144

接下来试验两张人脸的结果：

选用的是第一张和第二张

这两张图的距离为0.5886，所以相同的人脸的距离越小。你可以设置一个阈值，当两张图片大于一定值时判断他们不是同一个人