基于facenet的人脸识别

reset2021

于 2021-08-02 13:56:38 发布

阅读量3.5k

点赞数 3

CC 4.0 BY-SA版权

分类专栏：人脸识别系统文章标签： python 人脸识别

本文链接：https://blog.youkuaiyun.com/reset2021/article/details/119209772

人脸识别系统专栏收录该内容

9 篇文章 ¥29.90 ¥99.00

订阅专栏

超级会员免费看

本文介绍了使用facenet算法实现人脸识别的流程，包括人脸检测、对齐、特征描述、入库处理、建立索引以及人脸识别测试。通过mtcnn进行人脸检测和对齐，利用annoy建立索引以提高查询效率，并设置阈值判断待识别是否与数据库中人脸匹配。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

人脸识别流程，主要包括人脸数据建档与识别两大部分，其中人脸数据建档主要实现对采集人员的人脸数据进行收集入库的过程，人脸识别主要实现对待识别人脸的数据采集与判定的过程。

从具体实现过程来划分，人脸识别整个过程主要包括人脸图特征检测，特征描述，特征对齐，数据库的处理（建立索引以及数据入库）等几个模块。

本文主要以facenet算法为基准来实现人脸识别过程，face算法见如下连接。

https://github.com/davidsandberg/facenet

1、人脸检测

采用mtcnn算法实现对图片的人脸进行检测，load_and_align_data 返回图片中最大人脸的坐标（因为最终目的是实现人脸识别，所以在人脸检测时只需要关注最大人脸即可）

def load_and_align_data(image_paths, image_size=160, margin=44, gpu_memory_fraction=1.0):

    minsize = 20 # minimum size of face
    threshold = [ 0.6, 0.7, 0.7 ] 
    factor = 0.709 
    
    print("Creating networks and loading parameters")
    with tf.Graph().as_default():
        gpu_options = tf.GPUOptions(per_process_gpu_memory_fraction=gpu_memory_