opencv+mtcnn+facenet+python+tensorflow 实现实时人脸识别(2018.9.26更新)

opencv+mtcnn+facenet+python+tensorflow 实现实时人脸识别(2018.9.26更新)

新增测试方法“直接使用emb特征进行计算对比”

这次更新主要想法

上一个版本是使用knn对准备好的若干张照片进行“训练”，首先准确率不是很高（还没细究问题，猜想缘由是本身准备的图片问题，以及实时采集实时的环境影响），但最主要的缘由仍是对每一个目标对象都必须准备若干张照片进行训练，再看当前市面上的人脸识别都是直接采集一张图片放入数据库，并不须要再训练，直接即可以识别，而facenet的最初思想即是如此，是一开始的本身走远了。

因此本次的更新即是，直接将想要测试的对象的一张照片以其英文名命名（中文会乱码），放入一个名为test_img文件夹中，接下来对其进行人脸检测并切割，切割后的人脸图片尺寸为160*160，存入emb_img文件夹中，这一步的主要目的是为了避免要每次测试的时候都还要从新开始人脸检测，当人脸识别程序启动时，先读取emb_img文件夹图片并输入网络获得其emb（128维特征），用于后续与摄像头捕捉的照片进行比较

整体来讲，基本上没什么思想，能够说是很简单，甚至能够说是一个简单版的knn，由于个人想法是之后可以将每张照片的emb存入数据库，并使用kd树优化（本次更新没有作），但是这样的话不就和knn同样了么，哎，作完本身才发现本身在作一件傻事，但是仍是以为knn不太好....先无论了，就酱

新增两个文件夹、两个.py文件

• 文件夹（涉及我的和同窗照片，未上传，测试时本身直接新建便可）

  test_img : 此文件夹中直接存放须要识别对象的一张照片

  emb_img: 此文件夹能够本身新建，或者无论（脚本中对这个文件夹检测了，没有则新建），用于存放剪切后的160*160尺寸的人脸图片

• .py文件（一个用来批处理图片，一个用来运行检测）

  calculate_dection_face.py : 代码中已经注明了有些路径本身要更改一下，先执行此脚本，进行人脸定位切割（有点残忍的感受）

  new_face_recognition.py : 直接执行便可，这次默认使用的是电脑自带的摄像头（若是要使用手机的，本身改一下，仍是之前方法），路径也要注意

注意事项

这次代码中的路径我使用的都是绝对路径，因此要根据本身的路径更改一下

github地址:https://github.com/WindZu/fac... 若是以为有用，给个小星星啦，我会很开心的：）