opencv+mtcnn+facenet+python+tensorflow 实时人脸识别

opencv+mtcnn+facenet+python+tensorflow 实现实时人脸识别

Abstract:本文记录了在学习深度学习过程中，使用opencv+mtcnn+facenet+python+tensorflow，开发环境为ubuntu18.04，实现局域网连接手机摄像头，对目标人员进行实时人脸识别

• 项目地址
• 项目中用到的大文件地址

所用工具简介

• opencv 实现读取、写入、连接手机摄像头
• mtcnn是一个用来检测图片中人脸位置（人脸检测）的深度学习模型，其使用了三个卷积网络实现了对图像中人脸的检测
• facenet是谷歌的一篇很有名的论文和开源项目，其实现了将输入的人像最终转换为shape为1*128的向量，然后通过计算不同照片之间的欧几里得距离来判断他们的相似度，当然其中还包含许多技巧以及创新的想法，最终的在lfw（一个很有名的人脸数据库）准确率达到99%+++
• tensorflow 由google开源，功能强大

opencv

连接手机摄像头，并通过其一些小函数，对图片进行一些简单的处理，手机上要下载一个appip摄像头

import cv2
video="http://admin:admin@192.168.0.107:8081/" #此处@后的ipv4 地址需要修改为自己的地址
# 参数为0表示打开内置摄像头，参数是视频文件路径则打开视频
capture =cv2.VideoCapture(video)

# 建个窗口并命名
cv2.namedWindow("camera",1)

# 用于循环显示图片，达到显示视频的效果
while True:
    ret, frame = capture.read()
    
    # 在frame上显示test字符
    image1=cv2.putText(frame,' test', (50,100),
        cv2.FONT_HERSHEY_COMPLEX_SMALL, 2, (255, 0 ,0),
        thickness = 2, lineType = 2)

        cv2.imshow('camera',frame)

        # 不加waitkey（） 则会图片显示后窗口直接关掉
        key = cv2.waitKey(3)
        if key == 27:
        #esc键退出
        print("esc break...")
        break

        if key == ord(' '):
        # 保存一张图像
        num = num+1
        filename = "frames_%s.jpg" % num
        cv2.imwrite(filename,frame)
        

mtcnn

github上的facenet工程在实现facent的时候，为了便于测试，mtcnn也一放在了工程文件中，在工程中的位置是align/detect_face.py ，它的参数模型也保存在align文件夹下，分别是det1.npy,det2.npy,det3.npy,它的用法便是先将网络搭建出来，定位input中的人脸的位置，然后返回自己设置的固定大小的脸部crop，然后再将其输入facenet就ok了（作用就是人脸检测+定位+对齐，因为我们首要目的是让工程能跑起来，并且对其有一个大体的认识，这才方便后面的学习，具体的实现原理和代码解读，以及物体的检测发展历史，目前的发展方向，各种检测的算法，我会在文章的后面细说）

facenet

facenet.py直接放在主目录下了，其主实现的功能是搭建网络，然后从模型中加载参数，接收固定大小的剪裁好的人脸照片，最终经过embeding层输出1*128的脸部特征向量，计算不同脸部照片的相似度时候直接计算向量的欧式距离就ok了，同一个人的照片，它们的差值比较小，不同的人差值会比较大，其中facenet最后使用的是triplet loss方法来微调embeding（具体的论文算法，网络搭建，各种算法，以及代码解读我都放在文章的最后再说）

工程文件说明（readme）

### 目录结构

• 20170512-110547文件夹是facent的模型，官方存放在google网盘上了（而且现在出来2018的预训练模型了），不方便下载的我一会儿会把用到的大文件打包放在坚果云上
• align文件中包含三个mtcnn要用到的模型，以及搭建mtcnn网络的文件 detect_face.py,这里面的东西在facenet的项目中的都可以找到
• models中存放的是训练好的knn模型，用于测试使用的简单模型，一会儿展示的效果也是由其完成
• train_dir 顾名思义，就不解释了
• facenet.py包含了如何搭建facenet网络，以及计算的内容
• test.py train_knn.py temp_test.py imageconvert.py这几个文件分别人脸识别测试 、 训练knn模型 、 遇到问题是精简代码调试使用 、 图像批量转化 用于准备数据集 

运行效果

这是使用手机摄像头拍摄ipad从网上随便搜来的合照进行测试，能够准确将人脸框出，并进行识别，最终效果应该是可以实现单张图片数据库比对，这样就不用对需要识别的目标每一个都训练一遍了，这也是人脸识别要达到的效果，上面所说的triplet loss就是一种很好的方法

运行环境和运行说明

1. 推荐使用Anaconda配置tensorflow环境（因为本项目就是基于tensorflow框架的），是cpu版本
2. 编辑器用的是vscode
3. 一些依赖库当然是必备的，比如numpy maplotlib jupyter scikit-image librosa kersa 这些，安装也很简单，在anaconda里安装 使用conda命令 或者如果你的linux的默认python就是anaconda里的，直接使用pip安装就好了

4. 本项目里的几个运行的代码，我都写好了参数，直接运行即可（当然制定文件要在指定位置） 运行顺序是

   1. 准备好自己的训练集 几十张自己照片即可（尺寸要小一点的，最好500*500以下，不然速度慢，精度低），放到train_dir/pic_me 文件夹下面，把我打包文件里的pic_others文件夹中的放到指定train_dir/pic_others下面（这部分数据也可以自己准备，我的数据是来自lfw中的前几百张图片）
   2. 运行train_knn.py 得到自己的knn模型
   3. 运行test.py (记得要把手机上的ip摄像头app打开，点击下面打开IP摄像头服务器 ，并检查下显示的局域网ip和test.py 中的是否相同，如不相同，改一下)
   4. 启动的时候会比较慢，30s到一分钟左右，取决于电脑性能

阅读代码和重构项目建议

代码思路

1. 使用mtcnn截取视频帧中人像的人脸，并拉伸为固定大小（这里为160*160,由使用的facenet网络所受限）
2. 将上一步骤得到的人脸输入facenet，得到embedding层的输出，一个人像对应一个1*128数据，然后将其输入knn网络，得到预测结果

mtcnn

关于物体检测的牛逼好文 基于深度学习的目标检测

Selective Search中如何选择初始时Bounding Box区域合并原理

Bounding Box如何调整边框回归(Bounding Box Regression)详解

图文并茂详细介绍的目标检测重大发展的paper原理基于深度学习的目标检测技术演进

facenet

• 如何应用MTCNN和FaceNet模型实现人脸检测及识别
• FaceNet: A Unified Embedding for Face Recognition and Clustering
• facenet项目地址

参考文章

• 知乎.狗头山人七