MTCNN+facenet实现人脸识别

小学期的实训题目是实验室进出人员身份识别和记录学习时间，那么基本功能是实现人脸识别。人脸识别其实又分为两部分，人脸检测和人脸识别，在本次博客中，人脸检测使用MTCNN模型，然后利用facenet进行人脸识别。

Github链接：https://github.com/ALittleLeo/FaceRcognization/tree/master

觉得有用的话请打个星！

目录

系统实现流程

项目目录结构

建立人脸数据图库

MTCNN，Multi-task convolutional neural network(多任务卷积神经网络)

利用MTCNN网络把人脸数据图库转换为人脸特征库（embedding库）

facenet进行人脸识别

---

系统实现流程

1、建立人脸数据图库

2、搭建MTCNN网络

3、利用MTCNN网络把人脸数据图库转换为人脸特征库（embedding库）

4、使用MTCNN网络提取待检测的人脸图片的特征

5、使用facenet比较待识别的人脸和人脸库特征，绘制图片，得到最终结果

项目目录结构

打开FaceNet Github地址： https://github.com/davidsandberg/facenet，把我们需要的文件拷贝到自己独立的工程中，（1）align文件夹，（2）facenet.py文件

目录说明：

• align文件夹中包含三个mtcnn要用到的模型文件，以及搭建mtcnn网络的文件 detect_face.py,这里面的东西在facenet的项目中的都可以找到
• dataset文件夹中主要存放数据，包括images（人脸数据图库），emb（人脸特征库），test_images（测试图片）
• models文件夹中存放facenet预训练模型（链接: https://pan.baidu.com/s/1l16K7EktS6EO4a4pVNXvsQ 提取码: rvtv ）
• utils是工具类文件夹，用于文件读写，图片相关操作。
• predict.py是进行人脸识别的入口
• create_dataset.py用于将人脸数据图库转换为人脸特征库

 

建立人脸数据图库

人脸图片放在dataset/images文件夹下，每个子目录放同一个人的照片，以子目录名作为人名，上图所示胡歌和周杰伦

 

 

MTCNN，Multi-task convolutional neural network(多任务卷积神经网络)

正如上图所示，该MTCNN由3个网络结构组成（P-Net,R-Net,O-Net）。

           Proposal Network (P-Net)：该网络结构主要获得了人脸区域的候选窗口和边界框的回归向量。并用该边界框做回归，对候选窗口进行校准，然后通过非极大值抑制（NMS）来合并高度重叠的候选框。

Refine Network (R-Net)：该网络结构还是通过边界框回归和NMS来去掉那些false-positive区域。

只是由于该网络结构和P-Net网络结构有差异，多了一个全连接层，所以会取得更好的抑制false-positive的作用。

Output Network (O-Net)：该层比R-Net层又多了一层卷基层，所以处理的结果会更加精细。作用和R-Net层作用一样。但是该层对人脸区域进行了更多的监督，同时还会输出5个地标（landmark）。

（详细介绍等后面再写