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,然后输出即为我们类别值
准备工作:
安装openCV
pip3 install opencv-python
下载facenet,其中src/align下是MTCNN的tensorflow实现及预训练模型
git clone --recursive https://github.com/davidsandberg/facenet.git
LFW数据集下载地址:http://vis-www.cs.umass.edu/lfw/
通过以下命令对LFW数据进行人脸检测和对齐,这里我们获取160*160大小的图像以备后面使用,如果你有自己的数据集,可以忽略,先设置环境变量
export PYTHONPATH=/Users/admin/facenet/src for N in {1..4}; do python3 /Users/admin/facenet/src/align/align_dataset_mtcnn.py /Users/admin/lfw /Users/admin/lfw_160 --image_size 160 --margin 32 --random_order --gpu_memory_fraction 0.25 & done
models目录下的模型文件请到以下地址下载
https://drive.google.com/open?id=1EXPBSXwTaqrSC0OhUdXNmKSh9qJUQ55-