人臉識別FaceNet+TensorFlow

人臉識別 TensorFlow · 發表 2018-11-10 23:36:00

摘要：一、本文目標利用facenet原始碼實現從攝像頭讀取視訊，實時檢測並識別視訊中的人臉。換句話說：把facenet原始碼中contributed目錄下的real_time_face_recognition.py執行起來。二、需要具備的條件 1、準備好的Tensorflow環境 2、攝像頭（...

一、本文目標

利用facenet原始碼實現從攝像頭讀取視訊，實時檢測並識別視訊中的人臉。換句話說：把facenet原始碼中contributed目錄下的real_time_face_recognition.py執行起來。

二、需要具備的條件

1、準備好的Tensorflow環境

2、攝像頭（可用視訊檔案替代）

3、準備好的facenet原始碼並安裝依賴包

4、訓練好的人臉檢測模型

5、訓練好的人臉識別分類模型

三、準備工作

1、搭建Tensorflow環境

如何編譯搭建見《Ubuntu16.04+TensorFlowr1.12環境搭建指南》。

2、準備攝像頭

如果使用虛擬機器，首先確保攝像頭連線的虛擬機器，連線方式見下圖：

攝像頭連線的虛擬機器成功後，在/dev目錄下會看到video0檔案，需要確保當前使用者有攝像頭的訪問許可權：

sudo chown jack:jack /dev/video0

如果沒有攝像頭，可用視訊檔案替代，只需將real_time_face_recognition.py中

video_capture = cv2.VideoCapture(0)

這行程式碼替換為:

video_capture = cv2.VideoCapture(VIDEOPATH)

事實上，在虛擬上使用攝像頭做實時視訊流的人臉識別，很可能會出現“select timeout”錯誤，這是由於CPU的處理能力不知導致，這時也可以用視訊來替代攝像頭來進行實驗。

建議在HOST上安裝xshell+xmanager來訪問虛擬機器，顯示人臉檢查的視訊視窗必須xmanager配合xshell使用（具體安裝方式不再贅述）。也可以直接在虛擬機器的terminal中執行real_time_face_recognition.py，而無需安裝xmanager。

3、準備好的facenet原始碼並安裝依賴包

（1）下載原始碼

cd /data

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

cd facenet

（2）設定PYTHONPATH

sudo vi ~/.bashrc

在檔案最後新增：

export PYTHONPATH =/data/facenet/src

source ~/.bashrc

（3）安裝依賴包

workon tfenv

pip install -U –-upgrade pip

pip install -U h5py matplotlib==2.2.3 Pillow requests psutil opencv-python

（4）準備原始碼

為了跟tensorflow r1.12相容，需要需要facenet.py原始碼中

create_input_pipeline函式，在函式的第一行新增

with tf.name_scope("tempscope"):

新增後，別忘了後面的程式碼縮減哦。

4、準備人臉檢測模型

直接從https://drive.google.com/file/d/1EXPBSXwTaqrSC0OhUdXNmKSh9qJUQ55-/view下載已經訓練好的模型20180402-114759，國內需要FQ才能下載，不FQ大概率可以搜尋從國內某些網盤上下載。檔案大約4GB，建議用迅雷等工具下載。檔案解壓到/data/models目錄,解壓後文件如下:

20180402-114759.pb

model-20180402-114759.ckpt-275.data-00000-of-00001

model-20180402-114759.ckpt-275.index

model-20180402-114759.meta

5、訓練人臉識別分類模型

（1）從http://vis-www.cs.umass.edu/lfw/lfw.tgz下載LFW資料集到/data/datasets目錄

cd /data/datasets

mkdir -p lfw/raw

tar xvf lfw.tgz -C lfw/raw --strip-components=1

(2) 訓練分類模型

對齊LFW 資料集：

workon tfenv

cd /data/facenet

for N in {1..4}; do \

python src/align/align_dataset_mtcnn.py \

/data/datasets/lfw/raw \

/data/datasets/lfw/lfw_mtcnnpy_160 \

--image_size 160 \

--margin 32 \

--random_order \

--gpu_memory_fraction 0.25 \

& done

訓練分類模型：

python src/classifier.py TRAIN \

/data/datasets/lfw/lfw_mtcnnpy_160 \

/data/models/20180402-114759/20180402-114759.pb \

/data/models/lfw_classifier.pkl \

--batch_size 1000 \

--min_nrof_images_per_class 40 \

--nrof_train_images_per_class 35 \

--use_split_dataset

四、執行人臉識別

配置檢測模型和分類模型，修改face.py檔案

facenet_model_checkpoint = os.path.dirname(__file__) + "/../model_checkpoints/20170512-110547"

classifier_model = os.path.dirname(__file__) + "/../model_checkpoints/my_classifier_1.pkl"

為：

facenet_model_checkpoint = "/data/models/20180402-114759"

classifier_model ="/data/models/lfw_classifier.pkl"

執行人臉識別程式碼了！祝你好運！

workon tfenv

cd /data/facenet/contributed

python real_time_face_recognition.py

到這裡，如果順利的話，你應該看到小視訊視窗了，人臉會被框出來，並在旁邊顯示識別的人名。識別出的人名肯定是不準確的，讓人臉識別更高效更準確，並能在生產實踐中應用，建議仔細研讀facenet的原始碼和wifi:

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

https://github.com/davidsandberg/facenet/wiki

人臉識別FaceNet+TensorFlow

您可能也會喜歡…