一、本文目标

利用facenet源码实现从摄像头读取视频,实时检测并识别视频中的人脸。换句话说:把facenet源码中contributed目录下的real_time_face_recognition.py运行起来。

二、需要具备的条件

1、准备好的Tensorflow环境

2、摄像头(可用视频文件替代)

3、准备好的facenet源码并安装依赖包

4、训练好的人脸检测模型

5、训练好的人脸识别分类模型

三、准备工作

1、搭建Tensorflow环境

如何编译搭建见《Ubuntu16.04+TensorFlowr1.12环境搭建指南》。

2、准备摄像头

如果使用虚拟机,首先确保摄像头连接的虚拟机,连接方式见下图:

摄像头连接的虚拟机成功后,在/dev目录下会看到video0文件,需要确保当前用户有摄像头的访问权限:

sudo chown jack:jack /dev/video0

如果没有摄像头,可用视频文件替代,只需将real_time_face_recognition.py中

video_capture = cv2.VideoCapture(0)

这行代码替换为:

video_capture = cv2.VideoCapture(VIDEOPATH)

事实上,在虚拟上使用摄像头做实时视频流的人脸识别,很可能会出现“select timeout”错误,这是由于CPU的处理能力不知导致,这时也可以用视频来替代摄像头来进行实验。

建议在HOST上安装xshell+xmanager来访问虚拟机,显示人脸检查的视频窗口建议xmanager配合xshell使用(具体安装方式不再赘述,使用XShell建立连接时,设置连接属性,在 SSH --> tunneling 选项下勾选 Forward X11 connections to: Xmanager)。也可以直接在虚拟机的terminal中运行real_time_face_recognition.py,而无需安装xmanager。

3、准备好的facenet源码并安装依赖包

(1)下载源码

cd /data

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

cd facenet

(2)设置PYTHONPATH

sudo vi ~/.bashrc

在文件最后添加:

export PYTHONPATH =/data/facenet/src

source ~/.bashrc

(3)安装依赖包

workon tfenv

pip install -U –-upgrade pip

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

(4)准备源码

为了跟tensorflow r1.12兼容,需要需要facenet.py源码中

create_input_pipeline函数,在函数的第一行添加

with tf.name_scope("tempscope"):

添加后,别忘了后面的代码缩进哦。

4、准备人脸检测模型

直接从https://drive.google.com/file/d/1EXPBSXwTaqrSC0OhUdXNmKSh9qJUQ55-/view下载已经训练好的模型20180402-114759,国内需要FQ才能下载,不FQ大概率可以搜索从国内某些网盘上下载。文件大约4GB,建议用迅雷等工具下载。文件解压到/data/models目录,解压后文件如下:

20180402-114759.pb

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

model-20180402-114759.ckpt-275.index

model-20180402-114759.meta

5、训练人脸识别分类模型

(1)从http://vis-www.cs.umass.edu/lfw/lfw.tgz下载LFW数据集到/data/datasets目录

cd /data/datasets

mkdir -p lfw/raw

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

(2) 训练分类模型

对齐LFW 数据集:

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

训练分类模型:

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、运行人脸识别

配置检测模型和分类模型,修改face.py文件

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

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

为:

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

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

运行人脸识别代码了!祝你好运!

workon tfenv

cd /data/facenet/contributed

python real_time_face_recognition.py

如果顺利的话,应该看到小视频窗口了,人脸会被框出来,并在旁边显示识别的人名。

到这里,FaceNet人脸识别的“hello world”算是实现了,对于人脸检测、人脸识别、性别识别、情感识别、年龄识别、embedding提取、landmark提取,人脸对齐,并在生产实践中应用,这仅仅是第一步。

上面识别出的人名肯定是不准确的,这是为什么呢?算是留下的思考题,大家自己动手试试,让上面的人脸识别准确。推荐研读facenet的源码和wifi:

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

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

人脸识别FaceNet+TensorFlow的更多相关文章

  1. TensorFlow环境 人脸识别 FaceNet 应用(一)验证测试集

    TensorFlow环境 人脸识别 FaceNet 应用(一)验证测试集 前提是TensorFlow环境以及相关的依赖环境已经安装,可以正常运行. 一.下载FaceNet源代码工程 git clone ...

  2. 第三十七节、人脸检测MTCNN和人脸识别Facenet(附源码)

    在说到人脸检测我们首先会想到利用Harr特征提取和Adaboost分类器进行人脸检测(有兴趣的可以去一看这篇博客第九节.人脸检测之Haar分类器),其检测效果也是不错的,但是目前人脸检测的应用场景逐渐 ...

  3. olivettifaces数据集实现人脸识别代码

    数据集: # -*- coding: utf-8 -*- """ Created on Wed Apr 24 18:21:21 2019 @author: 92958 & ...

  4. facenet 进行人脸识别测试

    1.简介:facenet 是基于 TensorFlow 的人脸识别开源库,有兴趣的同学可以扒扒源代码:https://github.com/davidsandberg/facenet 2.安装和配置 ...

  5. facenet 人脸识别(一)

    前言 已完成TensorFlow Object Detection API环境搭建,具体搭建过程请参照: 安装运行谷歌开源的TensorFlow Object Detection API视频物体识别系 ...

  6. TensorFlow人脸识别

    TensorFlow框架做实时人脸识别小项目(一)https://blog.csdn.net/Goerge_L/article/details/80208297 TensorFlow框架做实时人脸识别 ...

  7. facenet 人脸识别(二)——创建人脸库搭建人脸识别系统

    搭建人脸库 选择的方式是从百度下载明星照片 照片下载,downloadImageByBaidu.py # coding=utf-8 """ 爬取百度图片的高清原图 &qu ...

  8. 学习笔记TF058:人脸识别

    人脸识别,基于人脸部特征信息识别身份的生物识别技术.摄像机.摄像头采集人脸图像或视频流,自动检测.跟踪图像中人脸,做脸部相关技术处理,人脸检测.人脸关键点检测.人脸验证等.<麻省理工科技评论&g ...

  9. 项目总结二:人脸识别项目(Face Recognition for the Happy House)

    一.人脸验证问题(face verification)与人脸识别问题(face recognition) 1.人脸验证问题(face verification):           输入       ...

随机推荐

  1. Crashlytics功能集成

    总共分三步: 1. 将Crashlytics.framework和Fabric.framework拷贝到工程中: 2.配置工程的info.plist文件,如下: APIKey和Build secret ...

  2. Use default arguments instead of short circuiting or conditionals使用默认实参代替短路和条件

  3. numpy array转置与两个array合并

    我们知道,用 .T 或者 .transpose() 都可以将一个矩阵进行转置. 但是一维数组转置的时候有个坑,光transpose没有用,需要指定shape参数, 在array中,当维数>=2, ...

  4. python常见的PEP8规范

    1. 括号中使用垂直隐式缩进或使用悬挂缩进 缩进 每级缩进用4个空格 示例: (垂直隐式缩进)对准左括号 def function_name(var_one,var_two, var_three,va ...

  5. ActiveMQ 消息存储

    本章重点 ActiveMQ 中,队列和主题里的消息是怎么存储的 ActiveMQ 提供的四种消息存储形式 ActiveMQ 是怎么为消费者缓存消息的 使用订阅恢复模式,怎么控制消息缓存 简介 JMS ...

  6. DataGrid的组成论述(WPF)

    DataGrid:它标示是一个整体概念,是个大容器,包含Row的感念 Column:是表格的组成成分(表格是由列组成的),它包括Header和Cell的概念

  7. 冒泡排序的PHP实现 Bubble Sort

    冒泡排序Bubble Sort的PHP实现.代码中函数说明: out_arr,用于将数组输出成一个字符串,以便查看 bubblesort,第一种实现方案,从后往前依次选出需要的值,这里是较大的 bub ...

  8. 删除rime输入法

    mac: 首先将输入法从偏好设置-键盘-输入源中去除,添加系统的输入法. 然后执行命令: $ killall Squirrel $ sudo rm -Rf "/Library/Input M ...

  9. 修复 Xcode 错误 “The identity used to sign the executable is no longer valid”

    如图: 解决方法来自:http://stackoverflow.com/questions/7088441/the-identity-used-to-sign-the-executable-is-no ...

  10. webservice 传输数据过大,解析失败

    ERROR 错误信息: 已超过传入消息(65536)的最大消息大小配额.若要增加配额,请使用相应绑定元素上的 MaxReceivedMessageSize 属性. 错误场景: webservice 服 ...