facenet识别准确率_opencv+mtcnn+facenet+python+tensorflow 实现实时人脸识别(2018.9.26更新)...

本项目已停止维护，并取消了模型文件的分享 2020.6.1

DL发展实在是太快，快到我完全不想维护本项目中的陈旧代码。这篇文章中的技术其实已经过时，希望各位同志追寻着最新技术做项目，这样比较有前(钱)途。

本文章目前的唯一参考价值在于理清了在做DL推理过程中的思路，传统算法技巧如何与DL粗浅的结合。

最后多嘴一句，如果出于应用角度，人脸识别方向不值得探索，用于娱乐还是挺好的。

opencv+mtcnn+facenet+python+tensorflow 实现实时人脸识别(2018.9.26更新)

新增测试方法“直接使用emb特征进行计算对比”

此次更新主要想法

上一个版本是使用knn对准备好的若干张照片进行“训练”，首先准确率不是很高(还没细究问题，猜测原因是自己准备的图片问题，以及实时采集实时的环境影响)，但最主要的原因还是对每个目标对象都必须准备若干张照片进行训练，再看当前市面上的人脸识别都是直接采集一张图片放入数据库，并不需要再训练，直接便可以识别，而facenet的最初思想便是如此，是一开始的自己走远了。

所以本次的更新便是，直接将想要测试的对象的一张照片以其英文名命名(中文会乱码)，放入一个名为test_img文件夹中，接下来对其进行人脸检测并切割，切割后的人脸图片尺寸为160*160，存入emb_img文件夹中，这一步的主要目的是为了不要每次测试的时候都还要重新开始人脸检测，当人脸识别程序启动时，先读取emb_img文件夹图片并输入网络得到其emb(128维特征)，用于后续与摄像头捕捉的照片进行比较

总体来说，基本上没什么思想，可以说是很简单，甚至可以说是一个简单版的knn，因为我的想法是以后能够将每张照片的emb存入数据库，并使用kd树优化(本次更新没有做)，可是这样的话不就和knn一样了么，哎，做完自己才发现自己在做一件傻事，可是还是觉得knn不太好....先不管了，就酱

新增两个文件夹、两个.py文件

文件夹(涉及个人和同学照片，未上传，测试时自己直接新建即可)

test_img : 此文件夹中直接存放需要识别对象的一张照片

emb_img: 此文件夹可以自己新建，或者不管(脚本中对这个文件夹检测了，没有则新建)，用于存放剪切后的160*160尺寸的人脸图片

.py文件(一个用来批处理图片，一个用来运行检测)

calculate_dection_face.py : 代码中已经注明了有些路径自己要更改一下，先执行此脚本，进行人脸定位切割(有点残忍的感觉)

new_face_recognition.py : 直接执行即可，此次默认使用的是电脑自带的摄像头(如果要使用手机的，自己改一下，还是以前方法)，路径也要注意

注意事项

此次代码中的路径我使用的都是绝对路径，所以要根据自己的路径更改一下