基于cnn的人脸检测,人脸识别系统数据

　　首先下载facenet GitHub，facenet网络，然后打开src文件。重要文件基本都在这里。

　　其中align文件夹下有人脸检测、定位、裁剪。开放对齐

　　align_dataset_mtcnn.py是一个执行人脸检测然后修剪的程序。

　　你可以通过打开detect_face.py文件找到这个函数。

　　可以看出，det1.npy、det2.npy和det3.npy是人脸检测网络中的权重。

　　安装和配置Facenet环境

　　这是我的面网解压位置e :hs尹面网-mastersrc

　　setpythonpath=e: hs yin face net-master src

　　接下来，您可以运行面部检测程序。我使用的数据集是LFW lfw数据集。

　　因为程序中的神经网络使用了谷歌的“inception resnet v1”网络模型，这是模型输入时的160*160图像，而下载的LFW数据集是250*250像素。

　　lfw数据放在e: hsyin facenet-master data lfw raw中，并创建一个新的lfw_160文件夹。

　　一个问题是tensorflow版本。

　　Max_axis=TF.reduce_max(target，axis，keepdims=True)这是facenet上的代码。

　　但是我的代码版本

　　Max_axis=TF。Reduce_max(target，axis，keep_dims=True))如果更正了上述内容，将不会报告任何错误。

　　打开cmd，将位置更改为E:hsyinfacenet-master目录，然后输入命令。

　　python src align align _ dataset _ mt CNN . py data/lfw/raw data/lfw/lfw _ 160-image _ size 160-margin 32 DD

　　评估预训练模型的精度

　　然后去官网下载训练好的模型：

　　将模型放在指定的文件夹中：输入以下命令：python src validate _ on _ lfw . pydata lfw lfw _ 160 src models 2018 04 08-102900结果：

　　与人脸形成对比

　　1.Facenet可以直接比较通过其网络映射的人脸的欧氏距离。

　　可执行文件为facenet-master src compare . py；

　　选择两个不同人的脸。第一个如下。

　　第二个呢？

　　执行：

　　python src compare . py src models 2018 04 08-102900数据 lfw _ lfw _ 160 aaron _ eckhart _ Aron _ eckhart meck hart

　　结果如上。这两块之间的距离是1.4144。接下来，我们测试了两张脸：

　　第一张和第二张照片被选中。

　　两张图的距离是0.5886，所以同一个人的脸之间的距离越小。可以设置一个阈值，当两个图像大于某个值时，就可以判断不是同一个人。