網上關于facenet以及Mtcnn原理的博客有很多，本文便不再贅述，如果有不明白的可以參考該博客http://www.uml.org.cn/ai/201806124.asp。

本文更多的是幫助大家使用facenet以及Mtcnn 實現人臉識別功能，這里我們利用的是Github上的一個開源項目，項目鏈接：https://github.com/davidsandberg/facenet

解壓后得到facenet文件夾，我們把它放到主目錄下，方便使用，如圖：

值得注意的是如果單單git該項目的話，并不能實現功能我們還要下載其附帶的預訓練模型：

這里的資源是需要連接外網的，有篇博客提供了國內資源下載：https://pan.baidu.com/share/init?surl=LLPIitZhXVI_V3ifZ10XNg

密碼：12mh。下載后我們會得到一個20170512-110547的壓縮文件，解壓后放入之前的facenet文件夾，這里我用到的是20180402-114759，不過并不影響。

到這里我們的一切項目準備工作就已經完成了，接下來我們按步驟進行。

1.給代識別的人臉建造數據庫

在facenet文件夾中新建文件夾test_imgs，在文件夾下創建若干個文件夾存放若干個人的照片，形如：

每個文件夾下的照片具體是多少并沒有嚴格要求，但是不能太少，10張以上是必須的，不然SVM分類的準確率會下降。

2.對已經建好的數據庫的圖片進行Mtcnn和剪裁處理

在運行之前我們要先配置python路徑,在終端以此輸入：

export PYTHONPATH=~/facenet/src/align

export PYTHONPATH=~/facenet/src

如果依然報缺少模塊錯誤，就將二者順序反一下輸入，注意此處每打開一次終端就得重新輸入一次，想要徹底解決，需要修改配置文件，具體見下文，接下來開始處理：

因為訓練網絡里所用到的圖片的大小均為160x160像素，所以我們要將圖片處理成對應像素，并利用Mtcnn將圖片中的人臉剪裁出來。這里我們用到的代碼是位于facenet/src/align中的align_dataset_mtcnn.py,具體使用方法如下。

1.進入align_dataset_mtcnn.py所在的文件夾。

2.執行上述指令，參數解析：（1）.py文件（2）待處理的人臉數據庫絕對路徑（3）處理后的人臉數據庫路徑，此處給出就好，具體將由程序代碼自動生成（4）--image_size 160 圖像尺寸 （5）在Mtcnn檢測得到的人臉的基礎上縮小32像素。

執行后我們產生了如圖所示的文件夾test_imgs_160:

3.利用處理好的數據庫進行SVM分類，產生.pkl文件

此處我們用到了位于/facenet/src中的classifier.py文件具體使用如下圖。

1.進入classifier.py所在的文件夾，已在則忽略

2.運行上述命令，參數解析（1）.py文件 （2）模式選擇，仔細看源碼我們發現，有兩種模式可供選擇，這里我們選擇TRAIN（訓練模式）（3）待分類的人臉數據庫（4）之前下載的模型，這里要替換成所下載的版本，我的是20180402-114759。（5）pkl文件所在的位置及名字，此處同樣給出就好，代碼會自動創建。

4.修改原項目自帶的模型文件，以及.pkl文件

1.進入/facenet/contributed，打開face.py文件。

2.修改選中部分為自己的模型文件以及.pkl文件，并保存。

5.調用代碼實現時實人臉識別

在facenet/contributed文件夾下運行real_time_face_recognization.py文件即可查看效果。

/----------------------------------------------------------------------------------------------------------------------------------------------------------------/

文章截止到這里就已經可以實現基本的人臉識別效果，以下內容為自己修改部分。

1.解決需要重復導入python路徑問題：

回到主目錄打開配置文件：

在文件最下面添加：

保存文件。

注意要根據自己的實際情況對路徑作出修改！

2.原有的項目僅能對數據庫中的人進行識別，而未在數據庫中的人物也能識別，不符合我們的需求，所以我們對閾值做了修改

打開上文提到的face.py文件

添加a = unknow，修改閾值，如果分類的預測率 小于 設定閾值，則返回 a.

?

?

?

?

?

?

?

總結

以上是生活随笔為你收集整理的facenet + Mtcnn 实现人脸识别（实现步骤）的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。