人工智能小白日记人脸检测识别之1 相关调研及Facenet初体验

本文链接：https://blog.csdn.net/kkae8643150/article/details/93622136

文章目录

前言
正文内容
小结

前言

这几天开始接触真实项目了，那就是在具体使用场景下的人脸识别。要开始揭开人脸识别的神秘面纱了，想想还是有点小激动的。当然，作为我等新手，一开始不应该自己去实现它，而是看看别人怎么做的，现在有很多开源模型，效果强大。使用它们会大大降低成本，毕竟探索是要时间的。

正文内容

1 调研

在开始之前，当然摸下行情，选个入手方向。因此展开了为期半天的网上找资料。大概有这么几种实现
1）参考https://www.cnblogs.com/gbin1/p/7456422.html
人脸识别大致流程：
1-1）在图片中检测所有人脸
2005年方向梯度直方图 HOG

1-2）对每张人脸预处理矫正或是识别不同角度的图片是否同一人
2014年面部特征点估计 64点

1-3）脸部编码
采用神经网络提取特征
2015年脸部特征提取 128个测量值

1-4）从编码中找到对应的人
可以用机器学习中的分类器

2）参考https://www.ixueshu.com/document/8fdff1491a700c4d9e908a3c0d3d464d.html
这是一篇16年的研究现状综述

发现了数据集 LFW
发现了强大的模型 DeepID, DeepFace, Facenet

3）参考
https://blog.csdn.net/hh_2018/article/details/80581612
这篇做了对DeepID, DeepFace, Facenet的差异比较

4）参考
https://blog.csdn.net/guleileo/article/details/80863579
这篇格局比较高，可以用作后面的延伸阅读。介绍了人脸识别的应用情况，以及亟待解决的一些问题。

另外，分别查了下这个三个模型的情况，感觉用FaceNet会比较好入手。github上有代码，还有预训练的模型。所以就从FaceNet开始好了。

2 FaceNet简介

通过前面的调研，现在的人脸识别大致流程都差不多：
1）检测一张图里是否有人脸
2）对其做矫正
3）提取其特征
4）对特征进行识别

FaceNet大概也是这么干的。FaceNet中包含了MTCNN模型和FaceNet模型。

MTCNN模型会对图片做人脸检测和特征检测，可以检测，矫正，裁剪，得到160x160的目标图片。
FaceNet模型则可以对目标图片提取特征，最后通过计算特征的欧式距离来识别是否同一人。

3 FaceNet初体验

首先，得找到一篇可以带我们入坑的文章，比如这篇：
https://blog.csdn.net/niutianzhuang/article/details/79191167

然后一顿操作猛如虎：
1）下载数据集，这里用的lfw
2）下载facenet
3）下载可用模型，他用的17年的，我找到一个18年的，亲测可用
https://download.csdn.net/download/bing1zhi2/10782048

注意：以下这些配置并不需要，后面告诉你为啥
在这里插入图片描述

4）数据矫正

python src/align/align_dataset_mtcnn.py /Users/cd/Downloads/AI/人脸检测识别/lfw /Users/cd/Downloads/AI/人脸检测识别/facenet-master/dataset/lfw/lfw_mtcnnpy_160 --image_size 160 --margin 32 --random_order --gpu_memory_fraction 0.25

如果在目标文件夹中能生成这些160x160的帅气照片，咱就成功了
在这里插入图片描述
可惜，成功的路上总会磕磕碰碰，记录下发生了什么：
4-1）ModuleNotFoundError: No module named ‘facenet’
原因：这个玩python的人应该相当容易搞定，当前目录下运行文件会以当前目录为根，需要将facenet的路径添加到检索路径中

解决方案：
import sys
sys.path.append(’/Users/cd/Downloads/AI/人脸检测识别/facenet-master/src/’)

4-2）module ‘scipy.misc’ has no attribute ‘imread’
原因：SciPy1.0.0不赞成使用imread，在1.2中已经弃用

解决方案：需要安装pillow
pip install pillow

5）人脸对比

python src/compare.py /Users/cd/Downloads/AI/人脸检测识别/facenet-master/models/20180402-114759 /Users/cd/Downloads/AI/人脸检测识别/facenet-master/dataset/lfw/test/Adam_Sandler_0002.png /Users/cd/Downloads/AI/人脸检测识别/facenet-master/dataset/lfw/test/Albert_Costa_0003.png

后面的图片路径自己找，我用的Albert_Costa_0002和Albert_Costa_0003同一人
在这里插入图片描述
测试结果：

再来个相似度较高的两人Albert_Costa_0002 和 Adam_Sandler_0002

矮油，差异这么大1.24，还是挺厉害的有木有。

6）lfw数据集验证

python src/validate_on_lfw.py /Users/cd/Downloads/AI/人脸检测识别/facenet-master/dataset/lfw/lfw_mtcnnpy_160 /Users/cd/Downloads/AI/人脸检测识别/facenet-master/models/20180402-114759

这里会发生一个问题，“The name ‘decode_image/cond_jpeg/is_png’ refers to an Operation not in the graph.”
如果你在前面做了配置，把tensorflow降低到1.7，就没有这个问题，但是我们怎么可以降低呢，当然是用新版本。所以可以有第二种选择：
在facenet.py代码中找到create_input_pipeline 再添加一行语句 with tf.name_scope(“tempscope”): 就可以完美解决（貌似Tensorflow 1.10及以上版本才修复这个bug）
在这里插入图片描述
验证集跑出0.98的成绩。