动手实践：利用yolo v2 实现端到端的人脸识别

    利用的神经网络的人脸识别，一般的处理流程顺序是人脸检测->人脸对齐->CNN抽取特征->分类器（如SVM）处理->结果。人脸检测、人脸对齐属于预处理阶段，目的是提取图片中人脸的像素区域，然后送入CNN；CNN将图片处理成特征向量，最后输送给分类器进行训练或者识别。具体可以参考http://github.com/cmusatyalab/openface/。

        以上的人脸识别的过程，涉及到dlib人脸对齐、CNN卷积神经网络、sklearn的线性分类器等，如果是在PC机上，很容易安装相应的库来实现。但是如果要将人脸识别的过程在嵌入式板子上实现，就会发现以上过程繁琐，移植困难。

        yolo是一个端到端 、实时的、物体识别的神经网络，不仅可以检测物品类别，而且可以回归出物体位置（bounding box）。本例中正是利用yolo的这些特点，去掉预处理和后处理阶段，只需CNN神经网络，实现了端到端的人脸识别。

1.  首先搭建yolo v2，GPU版本，参考我的博客 https://mp.csdn.net/postedit/79452204。

2.  创建数据集合文件夹，结构参考VOC数据集，如VOC2007，目录结构如下：

    --VOC2007  
        --Annotations  
        --ImageSets  
          --Main  
          --Layout  
          --Segmentation  
        --JPEGImages  
        --SegmentationClass  
        --SegmentationObject  
        --labels

 

 

 

        3.采集每个人的头像，放在JPEGImages文件夹中：

我是每个采集了50张，4个人，一个工200张图片。

4.用labelImg标注每一个人，即用矩形框圈出人脸的位置，以及记录是谁（人的名字）。

(1)下载labellmg

链接: https://pan.baidu.com/s/1_0fn4ql_yCvAa9r5ioIUWw 密码: 54rt