基于MTCNN和MobileFaceNet的人脸识别

最新推荐文章于 2024-04-06 09:34:33 发布

原创

最新推荐文章于 2024-04-06 09:34:33 发布 · 1.7k 阅读

7 ·

CC 4.0 BY-SA版权

文章标签：

#c++ #人工智能 #人脸识别

该项目使用C++、OpenCV和ncnn库，通过MTCNN进行人脸检测和对齐，接着利用预训练的MobileFaceNet模型进行人脸识别。在检测到人脸后，程序返回相似度并展示结果，支持用户拍照并保存。ncnn的使用提高了移动设备上的运行效率。主要分为P-Net、R-Net和O-Net三个阶段，分别用于候选窗口生成、筛选和最终的面部关键点检测。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

项目描述：

本项目的主要目标是基于NCNN和Opencv库，实现MTCNN人脸检测和对齐，得到人脸之后，再调用预训练的MobileFaceNet模型进行人脸识别，并用Opencv实现项目可视化和人机交互功能。通过调用摄像头，用户可以自行拍照并保存照片，之后软件会自动对图片进行人脸检测和对齐处理，并返回前后两张照片的相似度，实现人脸识别。使用ncnn的原因是为了提升在移动设备的运行效率。
Figure 1. 程序操作流程

Figure 1. 程序操作流程

项目框架：

Header file: mtcnn.h Cpp file: main.cpp, mtcnn.cpp
程序框架

Figure 2. 程序框架

编程语言与IDE

C++, VC2015, OpenCV, ncnn

实现细节：

MTCNN，Multi-task convolutional neural network（多任务卷积神经网络），将人脸区域检测与人脸关键点检测放在了一起，它的主题框架类似于cascade。总体可分为P-Net、R-Net、和O-Net三层网络结构。这三个级联的网络分别是快速生成候选窗口的P-Net、进行高精度候选窗口过滤选择的R-Net和生成最终边界框与人脸关键点的O-Net。和很多处理图像问题的卷积神经网络模型，该模型也用到了图像金字塔、边框回归、非最大值抑制等技术。