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
"""
import re
import sys
import urllib
import os

import requests

def get_onepage_urls(onepageurl):
    if not onepageurl:
        print('执行结束')
        return [], ''
    try:
        html = requests.get(onepageurl).text
    except Exception as e:
        print(e)
        pic_urls = []
        fanye_url = ''
        return pic_urls, fanye_url
    pic_urls = re.findall('"objURL":"(.*?)",', html, re.S)
    fanye_urls = re.findall(re.compile(r'<a href="(.*)" class="n">下一页</a>'), html, flags=0)
    fanye_url = 'http://image.baidu.com' + fanye_urls[0] if fanye_urls else ''
    return pic_urls, fanye_url

def down_pic(pic_urls,pic_name,localPath):
    if not os.path.exists(localPath):  # 新建文件夹
        os.mkdir(localPath)
    """给出图片链接列表, 下载图片"""
    for i, pic_url in enumerate(pic_urls):
        try:
            pic = requests.get(pic_url, timeout=15)
            string = pic_name + "_" + str(i + 1) + '.jpg'
            with open(localPath + '%s' % string, 'wb')as f:
                f.write(pic.content)
                print('成功下载第%s张图片: %s' % (str(i + 1), str(pic_url)))
        except Exception as e:
            print('下载第%s张图片时失败: %s' % (str(i + 1), str(pic_url)))
            print(e)
            continue

if __name__ == '__main__':
    keyword = '范冰冰1920*1080'  # 关键词, 改为你想输入的词即可
    url_init_first = r'http://image.baidu.com/search/flip?tn=baiduimage&ipn=r&ct=201326592&cl=2&lm=-1&st=-1&fm=result&fr=&sf=1&fmq=1497491098685_R&pv=&ic=0&nc=1&z=&se=1&showtab=0&fb=0&width=&height=&face=0&istype=2&ie=utf-8&ctd=1497491098685%5E00_1519X735&word='
    url_init = url_init_first + urllib.parse.quote(keyword, safe='/')
    all_pic_urls = []
    onepage_urls, fanye_url = get_onepage_urls(url_init)
    all_pic_urls.extend(onepage_urls)

    fanye_count = 1  # 图片所在页数，下载完后调整这里就行
    while 1:
        onepage_urls, fanye_url = get_onepage_urls(fanye_url)
        fanye_count += 1
        print('第%s页' % fanye_count)
        if fanye_url == '' and onepage_urls == []:
            break
        all_pic_urls.extend(onepage_urls)

    down_pic(list(set(all_pic_urls)),'fbb','D:/eclipse-workspace/facenet-master/data/face_store/fbb/')#保存位置也可以修改

因为是从网上下载的照片有些是不符的，需要手动删除部分

检测对齐人脸

python src\align\align_dataset_mtcnn.py data/face_store/old data/face_store/new --image_size 160 --margin 32 --random_order --gpu_memory_fraction 0.25

用自己的人脸库结合SVM训练一个人脸识别系统

用到的代码：calssifier.py,这个程序的基本原理是：通过用图像算出来的向量数据来训练一个SVM分类器，从而对人的身份进行一个判断，同时在.pkl格式的文件中存储每一个分类。这也是作者对于FaceNet程序应用的一个探索。 

这个函数有两个模式，一个模式用来训练，另一个模式用来测试。具体功能如下：

模式= TRAIN：

使用来自数据集的计算出来的向量来训练分类器 

将训练好的分类模型保存为python pickle文件

模式= CLASSIFY：

加载分类模型

使用来自数据集测试部分的嵌入来测试分类器

执行本代码需要添加的参数以及各参数的含义：

mode: 设定“TRAIN”和“CLASSIFY”两种模式。

data_dir: 图片数据所在文件夹

model: 训练好的模型

classifier_filename：类似于标签，如果mode参数是TRAIN，那么需要指定一个输出的文件位置（以.pkl结尾，例如/.pkl），如果mode参数是CLASSIFY，那么就需要指定参数的路径（.pkl文件）。

python src\classifier.py TRAIN D:\eclipse-workspace\facenet-master\data\face_store\new D:\eclipse-workspace\facenet-master\models\20180408-102900 D:\eclipse-workspace\facenet-master\models\classifier.pkl

python src\classifier.py CLASSIFY D:\eclipse-workspace\facenet-master\data\face_store\new D:\eclipse-workspace\facenet-master\models\20180408-102900 D:\eclipse-workspace\facenet-master\models\classifier.pkl

验证

调用facenet-master\contributed\predict.py

网上找张女神的图片

python contributed\predict.py D:\eclipse-workspace\facenet-master\data\test\test1.jpg D:\eclipse-workspace\facenet-master\models\20180408-102900 D:\eclipse-workspace\facenet-master\models\classifier.pkl

再找一张不在人脸库的照片

python contributed\predict.py D:\eclipse-workspace\facenet-master\data\test\test2.png D:\eclipse-workspace\facenet-master\models\20180408-102900 D:\eclipse-workspace\facenet-master\models\classifier.pkl

后续打算基于摄像头进行人脸检测识别

---

摄像头识别人脸效果

修改contributed目录下的face.py

执行

python contributed\real_time_face_recognition.py

最后，附上原来的文件中各py文件的作用（持续更新）：

一、主要函数

facenet/src/align/ ：用于人脸检测与人脸对齐的神经网络

facenet/src/facenet.py ：用于人脸映射的神经网络

facenet/util/plot_learning_curves.m ：这是用来在训练softmax模型的时候用matlab显示训练过程的程序

二、facenet/contributed/相关函数：

1、基于mtcnn与facenet的人脸聚类

代码：facenet/contributed/cluster.py（facenet/contributed/clustering.py实现了相似的功能，只是没有mtcnn进行检测这一步）

主要功能：

① 使用mtcnn进行人脸检测并对齐与裁剪

② 对裁剪的人脸使用facenet进行embedding

③ 对embedding的特征向量使用欧式距离进行聚类

2、基于mtcnn与facenet的人脸识别（输入单张图片判断这人是谁）

代码：facenet/contributed/predict.py

主要功能：

① 使用mtcnn进行人脸检测并对齐与裁剪

② 对裁剪的人脸使用facenet进行embedding

③ 执行predict.py进行人脸识别（需要训练好的svm模型）

3、以numpy数组的形式输出人脸聚类和图像标签

代码：facenet/contributed/export_embeddings.py

主要功能：

① 需要对数据进行对齐与裁剪做为输入数据

② 输出embeddings.npy；labels.npy；label_strings.npy