「人脸识别」学习FaceNet（3）

关注

原创最新推荐文章于 2026-08-06 12:41:03 发布 691 阅读 AI 写同款· GEO 优化 ›

深度学习实战(五) 基于MTCNN和Facenet的视频流人脸识别实战前言：本文开发的是一个完整的视频流人脸识别系统，主要流程如下：首先，通过openCV抓取摄像头的视频流第二，通过MTCNN对每帧图片进行人脸检测和对齐，当然考虑到效率我们可以每n个间隔帧进行一次检测第三，通过facenet预训练模型对第二步得到的人脸进行512维的特征值提取第四，收集目标数据集来训练自己的分类模型第五，将第三部得到的512维的特征值作为第四部的输入，然后输出... 阅读详情

人脸对比

Facenet可以经过网络映射得到的欧式距离直接对两个人脸进行对比

在Issues中：Comparing a database of faces to the faces in a photo

“身份证照片是每人1张？如果是这样的话，你需要使用面部验证「face verification 」（do 2 pictures belong to the same person），看看 compare.py，你将所有图片输入到该程序，它将返回一个0到2距离矩阵，0=100%，2= 0%.

你需要修改脚本中的 "load_and_align_data"函数，它能处理多人的图片。”

1. compare.py程序路径

facenet\src\compare.py

2. 将人脸图片放在compare.py同级目录下，终端运行命令：

~/Desktop/ZHIHUICHENGSHI/version1/facenet/src $ python compare.py /home/hszc/Desktop/ZHIHUICHENGSHI/version1/facenet/models/facenet/20180402-114759 0a2a3e3cd39d4fc48e7f9b24c2557c29.jpg 0a3ea619c0754847b743c13147007938.jpg

说明：

python compare.py

+      模型路径

+    图1 图2

3. 运行结果

Model directory: /home/hszc/Desktop/ZHIHUICHENGSHI/version1/facenet/models/facenet/20180402-114759
Metagraph file: model-20180402-114759.meta
Checkpoint file: model-20180402-114759.ckpt-275
Images:
0: 0a2a3e3cd39d4fc48e7f9b24c2557c29.jpg
1: 0a3ea619c0754847b743c13147007938.jpg

Distance matrix
        0         1     
0    0.0000    1.2645  
1    1.2645    0.0000

生成的是欧氏距离的二分类代价矩阵（cost matrix），cost（i, j）:第i类样本对第j类的代价，cost=0，说明相同，相似度范围[0,1],

cost >= 1说明相似度为0.[1]

[1] https://blog.youkuaiyun.com/niutianzhuang/article/details/79191167

收录于