【人脸】人脸识别---facenet Tensorflow

人脸相关的任务包括：

1、人脸检测（人脸五官位置检测，用于人脸对齐；人脸关键点检测；）

2、人脸跟踪：在视频中跟踪人脸位置

3、人脸验证：1:1，判断两张图片是不是同一个人

4、人脸识别：1：n，输入一张人脸，判断其属于数据库中的哪个人

5、人脸聚类：输入一批人脸，将属于同一人的自动归为一类

facenet简介：

       Google工程师Florian Schroff，Dmitry Kalenichenko，James Philbin提出了人脸识别FaceNet模型，该模型没有用传统的softmax的方式去进行分类学习，而是抽取其中某一层作为特征，学习一个从图像到欧式空间的编码方法，然后基于这个编码再做人脸识别、人脸验证和人脸聚类等。所以FacceNet模型学习并输出的是脸部的特征表示，不同人的面部特征表示是不同的，通过计算两个面部特征的距离，来达到不同面部分类的目的。当人脸特征距离小于1.06可看作是同一个人。
       使用FaceNet可以使用已经训练好的模型，也可以自己训练模型。Facenet模型是一个通用的系统，采用CNN神经网络将人脸彩色图像或者灰度图像编码（embedings）为128维或者512维的数据，此数据表征了此人脸的特征，并映射到的欧几里得空间，我们可以根据两幅人像的欧几里得距离去判断两个人像的相似程度。使用FaceNet可以使用已经训练好的模型，也可以自己训练模型。Facenet模型是一个通用的系统，采用CNN神经网络将人脸图像映射到128维的欧几里得空间，我们可以根据两幅人像的欧几里得距离去判断两个人像的相似程度。

         人脸对齐使用的是基于深度学习方法的mtcnn人脸检测，2016年Kaipeng Zhang, Zhanpeng Zhang, Zhifeng Li, Yu Qiao提出了人脸检测MTCNN（Multi-task Cascaded Convolutional Net works ）模型，MTCNN模型流程如下：

利用开源的人脸识别工程facenet，迁移训练自己的模型：

First step：下载facenet源码

git clone https://github.com/davidsandberg/facenet.git

Second step：下载预训练模型

作者提供了两个预训练模型，分别是基于CASIA-WebFace和VGGFace2的人脸数据库，如果下载需要翻墙到谷歌网盘才可以下载，我下载了其中一个20180402-114759模型，后续再分享网盘~

Third step：安装依赖

pip install -r requirement.txt

依赖包包括如下：

tensorflow == 1.7
scipy
scikit-learn
opencv-python
h5py
matplotlib
pillow
requests
psutil

Forth step：运行人脸对比的程序

facenet计算的是图片中的两个人脸经过facenet的网络映射之后的欧氏距离

1、cd facenet/src目录下，即compare.py的目录下，对比1.jpg和2.jpg

2、运行compare.py文件

python compare.py 20180402-114759 1.jpg 2.jpg

3、运行结果如下：

     

FacceNet模型学习并输出的是脸部的特征表示，不同人的面部特征表示是不同的，通过计算两个面部特征的距离，来达到不同面部分类的目的。当人脸特征距离小于1.06可看作是同一个人。

Fifth step：准备数据&图像预处理

1、要训练自己的模型，需要自己采集到数据。自己准备的数据要满足如下的格式：