搭建人臉庫
選擇的方式是從百度下載明星照片
照片下載，downloadImageByBaidu.py
# coding=utf-8
"""
爬取百度圖片的高清原圖
"""
import re
import sys
import urllib
import os
import requests
def get_onepage_urls(onepageurl):
if not onepageurl:
print('執行結束')
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">下一頁</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): # 新建文件夾
os.mkdir(localPath)
"""給出圖片鏈接列表, 下載圖片"""
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('成功下載第%s張圖片: %s' % (str(i + 1), str(pic_url)))
except Exception as e:
print('下載第%s張圖片時失敗: %s' % (str(i + 1), str(pic_url)))
print(e)
continue
if __name__ == '__main__':
keyword = '范冰冰1920*1080' # 關鍵詞, 改為你想輸入的詞即可
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 # 圖片所在頁數，下載完后調整這里就行
while 1:
onepage_urls, fanye_url = get_onepage_urls(fanye_url)
fanye_count += 1
print('第%s頁' % 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 
因為是從網上下載的照片有些是不符的，需要手動刪除部分
檢測對齊人臉
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
用自己的人臉庫結合SVM訓練一個人臉識別系統
用到的代碼：calssifier.py,這個程序的基本原理是：通過用圖像算出來的向量數據來訓練一個SVM分類器，從而對人的身份進行一個判斷，同時在.pkl格式的文件中存儲每一個分類。這也是作者對於FaceNet程序應用的一個探索。
這個函數有兩個模式，一個模式用來訓練，另一個模式用來測試。具體功能如下：
模式= TRAIN：
使用來自數據集的計算出來的向量來訓練分類器
將訓練好的分類模型保存為python pickle文件
模式= CLASSIFY：
加載分類模型
使用來自數據集測試部分的嵌入來測試分類器
執行本代碼需要添加的參數以及各參數的含義：
mode: 設定“TRAIN”和“CLASSIFY”兩種模式。
data_dir: 圖片數據所在文件夾
model: 訓練好的模型
classifier_filename：類似於標簽，如果mode參數是TRAIN，那么需要指定一個輸出的文件位置（以.pkl結尾，例如/.pkl），如果mode參數是CLASSIFY，那么就需要指定參數的路徑（.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
驗證
調用facenet-master\contributed\predict.py
網上找張女神的圖片
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
再找一張不在人臉庫的照片
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
后續打算基於攝像頭進行人臉檢測識別
攝像頭識別人臉效果
修改contributed目錄下的face.py
執行
python contributed\real_time_face_recognition.py
最后，附上原來的文件中各py文件的作用（持續更新）：
一、主要函數
facenet/src/align/ ：用於人臉檢測與人臉對齊的神經網絡
facenet/src/facenet.py ：用於人臉映射的神經網絡
facenet/util/plot_learning_curves.m ：這是用來在訓練softmax模型的時候用matlab顯示訓練過程的程序
二、facenet/contributed/相關函數：
1、基於mtcnn與facenet的人臉聚類
代碼：facenet/contributed/cluster.py（facenet/contributed/clustering.py實現了相似的功能，只是沒有mtcnn進行檢測這一步）
主要功能：
① 使用mtcnn進行人臉檢測並對齊與裁剪
② 對裁剪的人臉使用facenet進行embedding
③ 對embedding的特征向量使用歐式距離進行聚類
2、基於mtcnn與facenet的人臉識別（輸入單張圖片判斷這人是誰）
代碼：facenet/contributed/predict.py
主要功能：
① 使用mtcnn進行人臉檢測並對齊與裁剪
② 對裁剪的人臉使用facenet進行embedding
③ 執行predict.py進行人臉識別（需要訓練好的svm模型）
3、以numpy數組的形式輸出人臉聚類和圖像標簽
代碼：facenet/contributed/export_embeddings.py
主要功能：
① 需要對數據進行對齊與裁剪做為輸入數據
② 輸出embeddings.npy；labels.npy；label_strings.npy