通過前面的幾個小節，我們已經實現了模型的訓練以及閾值的選取。此時利用我們已經訓練好的模型和手上的閾值，我們已經能夠做到1:1這樣的驗證了。所要做的就是拿兩張圖片，相同人或者不同人，然后送入網絡中，網絡會提取出來兩個人的512維特征向量作為表征。然后計算兩個向量之間的歐氏距離，如果該歐氏距離大于閾值，則判定為不同人；如果小于閾值，那么判定為同一個人。

但是要做到人臉識別，我們還需要最后一步：構建人臉特征庫。

人臉特征庫怎么建

這部分內容在arcface源碼中并沒有提供，但是在FaceNet的開源代碼中（https://github.com/davidsandberg/facenet） ，在"contributed"文件夾中提供了一定的思路。

在real_time_face_recognition文件中，作者判定某人是不是在庫里的過程如下：
首先在60行生成一個人臉識別器，然后從camera讀入一個圖片，然后在72行進行識別。
所以源頭是face.Recognition()這個人臉識別器。通過查看face.py代碼，我們可以看到：

這里的Recognition類中，使用Detection（）、Encoder（）、Identifier（）三個類分別實例化了人臉檢測器，編碼器和識別器。
在該文件中給出了上面三個函數的實現，人臉檢測器使用的是mtcnn進行人臉檢測，返回的是當前圖像中的人臉經過校準之后的bbox，編碼器中，是對bbox中框出的人臉進行前向推測，獲得了人臉的特征表示。然后將特征送入Identifier中：

可以看到，identifier類首先利用pickle.load()函數在初始化中導入了一個classifier_model，返回的是model和class_names，然后再進行類別的判定。所以這里的重點就是，這個classifier_model是個啥？
在該文件的第46行給出了：

這下明白了，這里面放的就是人臉特征。那么這個特征是怎么來的呢？答案在"export_embeddings.py"中。

在這個文件的說明部分，我們可以很明白的看出，該文件是要制作一個embeddings.npy，一個labels.npy和label_strings.npy文件。
具體在main函數總有這段代碼：

可以看到，其將輸入數據進行了提取特征的操作，然后將特征放入一個大的numpy中emb_array，并且也把label轉化為numpy（123行），然后將結果寫入.npy文件，也就是125-128行在做的事情。

建立人臉特征庫
依據這個思路，我們大致明白了，我們要做的一個人臉特征庫，就是兩個文件，分別是存儲特征的feature.npy和一個存儲label的label.npy。

要構建人臉特征庫，首先得有人臉圖片。
這里我們其實有兩種做法：

利用我們之前訓練的樣本，每個人取出其中的>10張圖像，這部分圖像要包含同一個人不同角度和姿態、光照下的照片，每張圖片生成一個特征向量，把這些特征向量都保存成庫中的特征。
同樣取>10張的照片，將這些照片計算完特征向量之后，進行平均，只保存最終的一個特征向量。
這兩種方法按理說都可以，方法一注重的各個特征之間的區分度，相當于建立一個完備的集合。方法二注重消除特征差異帶來的不一致，采用平均向量來表示。個人感覺前者會好點，畢竟沒有對后者進行試驗。

總而言之，我們現在需要對每個人取假設20張圖像，那么四個人一共80張。還和從前一樣，放到四個文件夾中，每個文件夾為一類。
然后就可以使用類似的方法，將每一類的每個人的人臉特征提取出來，保存為一個大的矩陣，作為一個人的特征，一共做四次，就生成了一個4 ×\times× 20 ×\times× 512 大小的numpy。4表示4個人，20表示每個人20個特征，512表示每個特征有512個維度。

代碼如下：

至此，我們就生成了人臉特征庫。

人臉識別
終于到了最后一步，進行1：N的人臉識別

這部分其實就比較簡單了，做法就是，首先加載我們的人臉庫，然后送入圖像，計算該圖像的特征，然后將特征與人臉庫中的特征進行歐氏距離的計算，如果這個距離在閾值范圍之內，則看其與哪個人的距離最近，然后選擇距離最近的那個人作為判定結果；如果距離大于閾值，則判定該人不再庫中，直接拒識就好了。

代碼如下：

實際使用的時候還是有點差異。我這里設置了閾值為1.15和15。1.15好理解，就是我們算出來的閾值，但是這個15是什么意思呢？
假設庫中的某個人有20個特征，那么如果輸入圖像計算出來的特征與這20個特征之中的15個距離小于閾值才能判定為該人。只有這兩個條件都滿足，才能判定為該庫中的人。因為實際中，我們不可能有所有人的臉，那么只有使用不同的限制條件來判定，才能在一定程度上保證準確率。開個玩笑，比如將張震岳扔進去，極有可能其與詹姆斯的閾值小于1.15，但是不可能與詹姆斯的15個以上的特征都相似。所以可以通過第二個條件判定，進行拒絕。
當然，如果你說假如確實出現都相似的情況了，那豈不是識別失敗了？對，就是失敗了。這只是一個demo，并不是一個解決方案 。關于人臉識別還有很多知識內容，需要投入很多精力去研究，此文僅僅是一個探索案例。

花了一段時間完成這幾篇博客，主要是對自己做的內容的一個總結，并且也為很多想入門的提供一個簡單的demo，詳細細節還需要深入研究探索。
?

總結

以上是生活随笔為你收集整理的人脸识别之insightface开源代码使用：训练、验证、测试（4）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。