docker安装openface进行人脸识别

Google的Picasa和Apple的照片软件早都已经实现基本的人脸识别功能了，你只要反复不断地告诉它们哪一个是你本身，哪一个是你家人，很快这两款软件能够学会识别，并帮你自动把你的全部含有人脸的照片分类。目前这种技术已经开源，Openface在github上有7000多颗星星。

这里有一篇中文介绍如何安装使用，个人操做步骤略简单，我是按照官方教程来的，用docker安装，因此省掉一些步骤，但也遇到一些麻烦，在此一并说明。

1. 安装docker并启动，这个就不用多说了。在Mac上能够还安装一个Kitematic，能够可视化的方式管理你的docker。

2. docker pull bamos/openface，按官方教程来，没什么可说的。

3. 运行container，按官方教程是这样的：docker run -p 9000:9000 -p 8000:8000 -t -i bamos/openface /bin/bash，但实际上，由于咱们还须要把图片拷进去，因此最好加一个-v参数，以便后续操做：docker run -p 9000:9000 -p 8000:8000 -v /local_directory:/remote_directory -t -i bamos/openface /bin/bash

4. 准备30张图片，必定要2个不一样的人的，图片大小无所谓，可是最好只包含人脸，每人各15张，分别放在2个不一样的目录下。好比你的本地文件夹是/local_directory，那你必定要在这个文件夹下创建一个training-images的子文件夹，而后再在training-images这个子文件夹下用两我的的名字再创建2个不一样的文件夹，而后把照片放进去。我一开始没有创建这个training-images子文件夹，绕了很多弯路。这一步操做是在本地环境下完成的，从下一步开始，咱们进入docker环境操做。

5. 开始自动剪裁：/root/openface/util/align-dlib.py ./training-images align outerEyesAndNose ./aligned-images/ --size 96，这一步的目的是让机器自动把这30张照片修整成96x96的png文件，以便于后续处理。因此你前面那些照片大小无所谓就是这个意思。处理的结果就放在aligned-images目录下，它下面会有2个文件夹，就是你放进去的那2我的的名字。

6. 对图片进行批量处理：/root/openface/batch-represent/main.lua -outDir ./generated-embeddings/ -data ./aligned-images/，这一步会在generated-embeddings目录下生成2个csv文件，labels.csv和reps.csv，labels.csv相对简单，它只是说明了哪一张照片对应的是哪个人，reps.csv则是一大堆人类看不懂的数字。

7. 接下来开始训练：/root/openface/demos/classifier.py train ./generated-embeddings，训练的结果会在generated-embeddings目录下生成一个classifier.pkl文件，这个是咱们最终想要的结果。

8. 而后你就能够开始测试了，再拷一张不在训练集中的照片进去，这张照片就不拘泥于只包括人脸了，能够包括背景或者整个身体都无所谓，但最好不要放好几我的的合影，否则机器不知道你要识别哪个人。假设照片文件名为1.jpg，则执行/root/openface/demos/classifier.py infer ./generated-embeddings/classifier.pkl 1.jpg，若是照片中人是刚才识别的2人之一，则通常识别准确度会在90%以上，若是不是的话，会低于80%。这里能够作一个颇有趣的实验：测试你和某明星的脸部类似度，也许你能够在此基础上开发一个App?