人脸识别流程——基于YOLO v3、FaceNet和SVM的人脸检测识别系统

参考项目地址 https://gitee.com/windandwine/Argus

依赖
numpy==1.16.4
pandas==0.24.2
opencv-python==4.1.1
scikit-learn=0.22.2 已改0.21.2报错
tensorflow==1.13.1
pillow==6.1.0

test流程：人脸检测+人脸识别
1 yolo（dark53）检测人脸 返回值：框坐标、概率（人脸、标签（人脸）或者mtcnn实现检测
2 facenet提取人脸特征，转换特征向量
3 svm或者距离判断相似性分类返回结果

操作流程：
1 整理数据集
2 转换特征向量
3 训练支持向量机
4 测试

bug0： pretools 的test_svm 结果是准的，直接把图片转换成向量；
test结果不准，先用yolo检测人脸，把人脸框转换成人脸。
把yolo检测人脸加在pretools转换向量前

bug1： range 报错，map中的分类比标签少，test返回标签在map中找不到（先训练svm）。

bug2: pretools的testsvm分类结果标签不准，样本数据集不够？差异性小？

bug3: 距离和svm 识别不准，yolo检测框有无
facenet 乱序识别良好 facenet2识别不行
中国可以 国外不行

bug4: 两个框 nms的结果

5 csv标签乱序 对结果排序或者读数据前排序？

6 facenet权重文件不同影响效果 facenet比2效果好（！！！很重要）

7 缺少simhei黑体字体文件

8 svm比距离度量好用一些

9 windandwine-YOLO_v3_tensorflow-master yolov3测试和训练 加在yolo检测face的模型报错，识别种类不一样