通过Python+TensorFlow实现人脸识别（二）

1.简介

上一篇中我们已经搭建好了环境，下面就该进入正题了。要想通过TensorFlow实现人脸识别，并“认识我”，需要准备两个数据集：一个是自己的人脸，一个是其他人的人脸。

在准备好这两个数据集过后，我们便可以来训练神经网络，让她“认出我”。

仍然参考了http://tumumu.cn/2017/05/02/deep-learning-face/ 这篇博客。

其他人脸的数据集使用了这个，可以通过百度云下载，有20w张人脸
http://mmlab.ie.cuhk.edu.hk/projects/CelebA.html

注意这里只需要下载img_align_celeba.zip这个压缩包就可以了，不用把整个20多G的文件下下来。用这个数据集的弊端就是不论是图片处理、训练还是运行程序都非常非常慢，一定要做好心理准备。。。

当然你也可以选择小的很多的LFW数据集，大概就1w多张人脸，跑起来特别快，但是测试下来准确率就一般般了。

2.获取本人的照片

这里需要大概10000张自己的照片，数量太少是会影响准确度的。我们通过opencv+dlib来实现图片处理与人脸识别。

这里用opencv来做文件处理，用dlib自带的dlib.get_frontal_face_detector()来检测正脸，并将其保存至my_faces文件夹。下面给出代码：

get_my_faces.py文件：

# -*- codeing: utf-8 -*-
import cv2
import dlib
import os
import sys
import random

#输出路径，同目录下的my_faces文件夹
output_dir = './my_faces'
#保存的图片为64*64
size = 64

#如果该路径不存在则创建一个
if not os.path.exists(output_dir):
    os.makedirs(output_dir)

# 改变图片的亮度与对比度
def relight(img, light=1, bias=0):
    #shape[1]是图片像素的列数&