基于MTCNN和Arc-Softmax的人脸侦测与识别

最新推荐文章于 2022-08-02 10:05:17 发布

GAYUAI

最新推荐文章于 2022-08-02 10:05:17 发布

阅读量675

点赞数

文章标签： MTCNN Arcface 人脸识别

本文链接：https://blog.csdn.net/qq_39086406/article/details/103183907

版权

人脸识别流程图

在这里插入图片描述

特征提取器

Arc-Softmax

公式

在这里插入图片描述

运用到Mnist数字10分类上的效果图：

在这里插入图片描述
代码实现：https://blog.csdn.net/qq_39086406/article/details/103188022

网络搭建

在这里插入图片描述

数据集制作

在这里插入图片描述
注：VggFace，CelebA等数据集也可以尝试

人脸校正算法

import numpy as np
import PIL.Image as pimg
def adjust(fx1,fy1,fx2,fy2,face):
    # 1.找到眼睛倾斜的角度和两眼距离
    p1 = np.array([fx1,fy1]) # 左眼坐标
    p2 = np.array([fx2,fy2])  # 右眼坐标
    dp = p1 - p2
    angle = np.arctan(dp[1] / dp[0])
    # 2. 旋转图片
    angle = angle * 180 / np.pi
    rot_img = face.rotate(angle)
    rot_img=rot_img.resize((96,96))
    return rot_img

模型训练

损失函数：CrossEntropyLoss()
优化器：SGD(net1.parameters(),lr=0.1,momentum=0.9,weight_decay=0.0005)

模型测试

在这里插入图片描述
训练正常的情况下，相似度cosine1会比较高，相似度cosine2会比较低

效果展示

使用流程

1、将要识别的人的图片传入MTCNN中，输出带人脸的框
(MTCNN请看https://blog.csdn.net/qq_39086406/article/details/103183595）
2、将带人脸的框转化为正方形后，再做人脸校正，再resize成96x96
3、传入特征提取模型中，输出并保存特征
4、向特征提取器输入识别的人的其他图片或其他人的图片，得到若干其他特征
5、将特征3的特征和4的特征做余元相似度
6、相似度大于某一设定阈值则为本人