开源 人脸识别 openface 实用介绍 实例演示 训练自己的模型

1.OpenFace 是 卡耐基梅陇（CMU）大学的一个图像+机器学习项目，整体程序包含：人脸发现，特征提取，特征神经网络训练，人脸识别这四部分。

　　github   https://github.com/cmusatyalab/openface/

　　API文档  http://openface-api.readthedocs.io/en/latest/index.html

　　website  http://cmusatyalab.github.io/openface/

2.安装

　　官方安装说明    http://cmusatyalab.github.io/openface/setup/

　　说的不是很详细，很多关键依赖以及基本概念并没有讲清楚。很容易导致安装、编译失败。

　　2.1操作系统

　　　　只支持Linux 和OSX，官方强烈推荐使用docker镜像来使用，不过为了运行加速或自主修改，还是建议大家从源码搭建。

　　　　OpenFace已经在ubuntu14.04和OSX10.10上成功测试。

　　　　我使用ubuntu14.04.5 https://mirror.tuna.tsinghua.edu.cn/ubuntu-releases/14.04.5/ubuntu-14.04.5-desktop-amd64.iso

　　2.2从头安装

　　　　我的实验室位置在西安，更换中科大的软件源超屌  http://mirrors.ustc.edu.cn trasty ，以下所有依赖的安装速度均与网速有关，也可能跟长城有关，安装时还需要耐心等待。若某一步安装不成功可以重启计算机重新安装。

　　　　sudo apt-get update

　　　　sudo apt-get install ssh git curl zsh vim #安装基本工具

　　　　sudo -i #进入root，基本上主要程序都放在/root/目录下，只有openface源码放在/home/usr/也可以。

　　　　#安装必要依赖

 sudo apt-get install build-essential cmake gfortran  libatlas-dev libavcodec-dev libavformat-dev libboost-all-dev libgtk2.-dev libjpeg-dev liblapack-dev libswscale-dev pkg-config python-dev python-pip wget zip

　　　　#必要的数值计算库

 　　　　pip2 install numpy -i https://pypi.tuna.tsinghua.edu.cn/simple #选择下载镜像，可以加速，

 　　　　pip2 install scipy #numpy安装成功后，scipy总失败，reboot之后就好了

 　　　　pip2 install pandas

 　　　　pip2 install scikit-learn

 　　　　pip2 install scikit-image #发现安装慢也可以使用 sudo apt-get install python-skimage的方式

　　　　#安装Torch 基于lua的科学计算工具，其包管理器是luarocks。

 　　　　sudo apt-get install luarocks

 　　　　curl -s https://raw.githubusercontent.com/torch/ezinstall/master/install-deps  | bash -e  #安装Torch的依赖库

 　　　　git clone https://github.com/torch/distro.git ~/torch --recursive #源码

 　　　　cd torch

 　　　　bash install-deps  #(cloning openblas)

 　　　　./install.sh #源码安装torch 如果网络被墙也可以从www.pandaroll.cn/openface/torch.tar.gz 下载 ，解压：tar -xvf torch.tar.gz

　　　　#再安装torch需要的依赖，下载

 　　　　~/torch/install/bin/luarocks install moses #若安装很慢可以从源码解压后直接安装，下载：www.pandaroll.cn/openface/Moses-master.zip 然后在终端输入~/torch/install/bin/luarocks install Moses-master/rockspec/moses-1.4.-.rockspec

 　　　　~/torch/install/bin/luarocks install torchx #www.pandaroll.cn/openface/torchx-master.zip

 　　　　~/torch/install/bin/luarocks install nn #www.pandaroll.cn/openface/nn-master.zip

 　　　　~/torch/install/bin/luarocks install dpnn #www.pandaroll.cn/openface/dpnn-master.zip

 　　　　~/torch/install/bin/luarocks install csvigo #www.pandaroll.cn/openface/lua---csv-master.zip

 　　　　~/torch/install/bin/luarocks install fblualib #www.pandaroll.cn/openface/fblualib-master.zip

 　　　　~/torch/install/bin/luarocks install optim #www.pandaroll.cn/openface/optim-master.zip

　　　　#安装opencv

 　　　　sudo apt-get install libjpeg-dev libpng-dev libtiff-dev libjasper-dev

 　　　　sudo apt-get -qq install libopencv-dev build-essential checkinstall cmake pkg-config yasm libjpeg-dev libjasper-dev libavcodec-dev libavformat-dev libswscale-dev libdc1394--dev libxine-dev libgstreamer0.-dev libgstreamer-plugins-base0.-dev libv4l-dev python-dev python-numpy libtbb-dev libqt4-dev libgtk2.-dev libmp3lame-dev libopencore-amrnb-dev libopencore-amrwb-dev libtheora-dev libvorbis-dev libxvidcore-dev x264 v4l-utils

　　　　下载opencv https://github.com/Itseez/opencv/archive/2.4.11.zip 或 http://www.pandaroll.cn/openface/ocv.zip

 　　　　cd ~

 　　　　unzip ocv.zip

 　　　　cd opencv-2.4.

 　　　　mkdir release

 　　　　cd release

 　　　　cmake -G "Unix Makefiles" -D CMAKE_CXX_COMPILER=/usr/bin/g++ CMAKE_C_COMPILER=/usr/bin/gcc -D CMAKE_BUILD_TYPE=RELEASE -D CMAKE_INSTALL_PREFIX=/usr/local -D WITH_TBB=ON -D BUILD_NEW_PYTHON_SUPPORT=ON -D WITH_V4L=ON -D INSTALL_C_EXAMPLES=ON -D INSTALL_PYTHON_EXAMPLES=ON -D BUILD_EXAMPLES=ON -D WITH_QT=ON -D WITH_OPENGL=ON -D BUILD_FAT_JAVA_LIB=ON -D INSTALL_TO_MANGLED_PATHS=ON -D INSTALL_CREATE_DISTRIB=ON -D INSTALL_TESTS=ON -D ENABLE_FAST_MATH=ON -D WITH_IMAGEIO=ON -D BUILD_SHARED_LIBS=OFF -D WITH_GSTREAMER=ON ..

 　　　　sudo make all -j4 #cpu是4核

 　　　　sudo make install #若报错硬件问题或操作系统问题，可能是过热问题，换个主板或计算机，最好是台式机。

　　　　#安装无报错后将cv2.so 考到python目录下

　　　　cp /lib/cv2.so /usr/local/lib/python2./dist-packages

　　　　#安装dlib

　　　　下载dlib https://github.com/davisking/dlib/releases/download/v18.16/dlib-18.16.tar.bz2

　　　　若难以下载,也可以 www.pandaroll.cn/opencv/dlib-18.16.tar.bz2

 　　　　cp dlib-18.16.tar.bz2 ~/src

 　　　　cd src

 　　　　tar xf dlib-18.16.tar.bz2

 　　　　cd dlib-18.16/python_examples

 　　　　mkdir build

 　　　　cd build

 　　　　cmake ../../tools/python

 　　　　cmake --build . --config Release

 　　　　sudo cp dlib.so /usr/local/lib/python2./dist-packages

　　　　#到目前，opencv 和 dlib应该安装好了，测试一下安装成功否：

 　　　　python

 　　　　import cv2

 　　　　import dlib

　　　　#若都成功，则继续下面的步骤

　　　　#安装openface

 　　　　git clone https://github.com/cmusatyalab/openface.git #若下载太慢则：www.pandaroll.cn/openface/openface.zip ,然后解压unzip openface.zip，可以放到/home/usr/目录下面。

 　　　　git submodule init 

 　　　　git submodule update 

 　　　　cd openface

 　　　　sudo python2 setup.py install

　　　　#获取模型

 　　　　cd models/get-models.sh #若下载太慢

 　　　　则下载 www.pandaroll.cn/openface/shape_predictor_68_face_landmarks.dat.bz2 ，放入 models/dlib中

 　　　　bunzip2 shape_predictor_68_face_landmarks.dat.bz2 

 　　　　下载 www.pandaroll.cn/openface/celeb-classifier.nn4.small2.v1.pkl ，放入 models/openface中

 　　　　下载 www.pandaroll.cn/openface/nn4.small2.v1.t7 ，放入 models/openface中

========================安装完成==========

3.测试

　　3.1demo1    #进入sudo -i root模式

　　　　计算不同面孔之间的相似度距离：

　　　　

 　　　　cd openface

 　　　　./demos/compare.py images/examples/{lennon-.jpg,clapton-.jpg}

　　运行结束后会给出一个结果:l2距离是1.132

　　　　 

 　　　　./demos/compare.py images/examples/{lennon-.jpg,lennon-.jpg}

　　　　

　　　　运行结束后会给出一个结果:l2距离是0.763

　　　　发现：同一个人的确更相似。

　　3.2训练一个分类器

　　　　需要人脸原图，每个图包含一个人脸，每个人脸15张图。不同的人的照片放入不同的文件夹下。例如我收集了我自己和妹子的分别15张照片。一共相当于2个人，但是有几个人就分几个文件夹即可。将这几个文件夹放入同一个目录。

　　　　

 　　　　cd openface

 　　　　mkdir training-images

 　　　　cp -r siyi/ openface/traning-images

 　　　　cp -r naixin/ openface/traning-images

　　　　#人脸发现和矫正和裁剪 对其的新照片将放入/aligned-images/目录中，是96*96的正方形图片：

 　　　　./util/align-dlib.py ./training-images/ align outerEyesAndNose ./aligned-images/ --size  

　　　　

　　　　#提特征，每个人脸128个特征点，新特征为csv文件，放入了/generated-embeddings/目录中：

 　　　　./batch-represent/main.lua -outDir ./generated-embeddings/ -data ./aligned-images

　　　　#训练自己的面部检测模型，是最基本的SVM模型：classifier.pkl 会放入generated-embeddings/目录下：

 　　　　./demos/classifier.py train ./generated-embeddings/　　

　　　　#获取一张不在数据集中的照片，利用分类器检测并归属然后会得到一个属于哪个名字的结果 和 一个可信度数值：

　　　　　　　新照片siyitest1.jpg：　

 　　　　./demos/classifier.py infer ./generated-embeddings/classifier.pkl siyitest1.jpg

　　　　

分类器会给出分类结果和可信度，一般同样的人的可信度在99%左右，未在分类器中的人会低于80%。

　　3.3web-demo

 　　　　sudo pip install -r demos/web/requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple

 　　　　./demos/web/start-servers.sh

安装一个usb摄像头，打开火狐浏览器：127.0.0.1：8000 可以在线添加训练，实时识别。

　　　　

　　

==完==

乔思祎

2017年3月20日