动手实践：利用yolo v2 实现端到端的人脸识别

最新推荐文章于 2024-08-26 07:41:23 发布

虚胖不修身

最新推荐文章于 2024-08-26 07:41:23 发布

阅读量4.6k

点赞数

分类专栏：动手实践

本文链接：https://blog.csdn.net/thm225679/article/details/79735672

版权

本文介绍了一种使用yolo v2在嵌入式设备上实现端到端人脸识别的方法，省去了预处理和后处理阶段，简化了传统人脸识别流程。通过搭建yolo v2模型，创建和标注数据集，训练网络，并最终得到识别模型。

摘要由CSDN通过智能技术生成

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