机器学习--基于FaceNet的人脸识别实战1.0

软件下载地址：https://download.csdn.net/download/qq475225253/88026287

软件实现效果如图

要做该软件首先要用PyQT5做个图形界面

一、PyQt5设计界面

图形界面我们大致分成3个部分，左边用来存放我们将测试的图。中间是一些功能按钮，右侧是从库里面匹配出来的最好的人脸。

二、提前准备好人脸特征提取模型和断定人脸模型

1.判定是否是人脸的模型

        要做人脸识别首先我们要训练好一个模型，判断测试的图片是不是人脸。如果不是，那么我们就没必要往下进行了，直接结束。

        这个模型我们提前使用MTCNN算法训练好了。将模型的参数放在了model_data目录中。

2.人脸特征模型

        我们基于LFW数据集（该数据集合中包括13000多张人脸，5000多个人，1600多人不止一张人脸）使用FaceNet算法构造出提取人脸特征的模型。模型的参数放在weights文件夹的model.01-0.2455.h5文件中。

三、识别过程

        当我们单击“人脸识别”按钮后，我们将把左侧的图片拿过来，使用Face_Rec类的recognize方法进行人脸特征比对。具体比对过程如下：

        第一步，拿过来的图片需要确定是否有人脸。这时使用mtcnn类的实例mtcnn_model的detectFace方法检测是否有人脸。

        第二步，确定有人脸的基础上，对测试的图片进行预处理，比如裁剪出图片中的人脸部分，比如脸倾斜了要矫正对齐。

        第三步，将矫正后的测试图片facenet_model实例（通过load_weights方法加载类人脸特征提取模型参数），提取出测试图片的特征。

        第四步，用第三步的方法，提取要比对的人脸库中所有人脸的特征。database_image就是人脸库对应变量。在程序中我们把他指定在image这个文件夹。

        第五步，使用calculate_distance方法，计算出库中所有人脸的特征与测试人脸的特征之间的距离。取出距离最小的那个，作为结果，返回展示到界面右边