這是一篇全面的、互動性強的人臉識別初學指南。接下來，我們將創建一個自定義的人臉識別程序，該程序能夠檢測和識別視頻或實時網絡攝像頭中的人臉。
在一個繁忙的市場中，七月的烈日在頭頂上照耀，炎熱的天氣並沒有阻止顧客的到來，在人羣不知情的情況下，一個懷有惡意的人藏在他們中間，他披着一層正常的外衣，去實現他的邪惡目的。
在一個角落裏，一個監控攝像頭會定期掃描這個區域，這時它會瞥見這個傢伙，它會立刻認出看到的每一張臉，而且碰巧這傢伙是一個通緝犯，幾毫秒之內，他附近的警察就得到了警報，他們開始着手消除這一威脅。
這個故事曾經出現在科幻小說中，但現在的情況大不相同了。事實上，中國使用人工智能監控工具來監視本國公民來維護民衆的安全，智能手機的創造者也在積極地使用人臉識別來驗證手機用戶的身份。
人臉識別有很多不同的應用程序，不管你希望它用於什麼目的，在本文中，我將指導你創建一個自定義的人臉識別系統，可以在視頻或網絡攝像頭中識別你選擇的人臉。
就像你看到的那樣，這就是我們要得到的效果圖。
在本文中，我們將建立一個自定義的人臉識別程序。這篇文章很容易理解，同時也讓你對這個機器學習項目的理論知識方面有所啓發，女可以看目錄來確定重點並瀏覽文章。
目錄
專業提示：如果你想快速完成任務，請跳過理論部分，直接進入第2部分。
Facenet
i. Facenet是什麼？
ii. Facenet是如何工作的？
iii. 三重損失
我們開始構建吧！
i. 先決條件
ii. 下載數據
iii. 下載Facenet
iv. 對齊
v. 獲得預先訓練的模型
vi. 用我們的數據訓練模型
vii. 在視頻源上測試我們的模型
缺點
結論
參考文獻
Facenet
在這個項目中，我們將使用一個名爲Facenet的模型來爲我們做人臉識別程序。
Facenet是什麼？
Facenet是由Florian Schroff、Dmitry Kalenichenko和James Philbin構建的模型，他們也爲此寫了一篇論文。
它直接從人臉圖像中學習圖像到歐式空間上點的映射，其中距離直接對應於人臉相似度的度量，一旦創建了這些嵌入，就可以使用這些嵌入作爲特徵來完成人臉識別和驗證等過程。
Facenet是如何工作的？
Facenet使用卷積層直接從人臉的像素中學習。該網絡在一個大數據集上進行訓練，以實現對光照、姿態和其他可變條件的不變性。該系統是在 Labelled Faces in the wild(http://vis-www.cs.umass.edu/lfw/) 數據集上訓練的，這個數據集包含13000多張從網絡上收集的不同人臉的圖片，每個人臉都有一個名字（標籤）。
Facenet從圖像中創建128維嵌入，並將其插入到特徵空間中，這樣，無論成像條件如何，相同身份之間的特徵距離要儘可能的小，而不同身份之間的特徵距離要儘可能的大。下圖描述了模型的體系結構：
模型結構：模型包含一個批處理輸入層、一個深度學習架構和一個L2層。
三重損失
該系統採用一種特殊的損失函數，稱爲三重損失。三重損失使同一身份的圖像之間的L2距離最小，使不同特徵的人臉圖像之間的L2距離最大。
該系統採用的三重損失，更適合於人臉驗證。使用三重損失的動機是它鼓勵將一個身份的所有圖像投影到嵌入空間中的一個點上。
三重損失：學習前後
創作者們設計了一種高效的三重選擇機制，可以一次巧妙地選擇三幅圖像，這些圖像有以下三種類型：
- 錨：一個隨機的人的人臉。
- 正圖：同一個人的另一張人臉。
- 負圖：另一個人的人臉。
測量了兩個歐幾里德距離：一個是錨和正圖之間的距離，我們稱之爲A；另一個是錨和負圖之間的距離，我們稱之爲B。訓練過程旨在減少A並使B最大化，這樣相似的圖像彼此靠近，不同的圖像在嵌入空間中會隔得很遠。
我們開始構建吧！
最精彩的部分開始了！我們可以使用Facenet爲我們自己選擇的人臉創建嵌入，然後訓練支持向量機(Support Vector Machine)對這些嵌入進行分類，讓我們開始建立一個自定義的人臉識別程序吧!
你可以看看這個項目的Github存儲庫，因爲它包含了一個自定義數據集和用於在視頻中檢測人臉的腳本。- Github存儲庫
- https://github.com/AssiduousArchitect/face-recognition
先決條件
在開始之前，請確保你的系統上安裝了以下庫：
- tensorflow==1.7
- scipy
- scikit-learn
- opencv-python
- h5py
- matplotlib
- Pillow
- requests
- psutil
下載數據
在這個項目中，我們將創建一個人臉識別程序，將能夠識別90年代情景喜劇《老友記》的核心人物。如果你想識別一組不同的人臉，那麼就用你的圖像來代替，只需確保遵循類似的目錄結構——爲要識別的每個身份創建一個文件夾，並將這些文件夾存儲在名爲“raw”的文件夾中。
數據集目錄：注意每個角色如何擁有自己對應的文件夾![創建自己的人臉識別系統]()
在每個文件夾裏放上人物的照片，請注意，每張圖片只有一張清晰可見的臉。儘管只需要很少的圖像，我還是爲每個角色添加了20個圖像，每個文件夾都有相同數量的圖片。你可以從這裏下載我創建的《老友記》的數據集，如下是“Chandler”文件夾的樣子:![創建自己的人臉識別系統]()
下載Facenet
現在已經收集來數據，接下來下載並提取Facenet repo，將“Dataset”文件夾放入其中。- Facenet repo下載地址
- https://github.com/davidsandberg/facenet
對齊
該模型的一個問題是它可能會漏掉一些人臉標誌，爲了解決這個問題，我們必須將數據集中的所有圖像進行對齊，使眼睛和嘴脣在所有圖片中顯示在同一位置。我們將使用M.T.C.N.N.（多任務C.N.N.）來執行相同的操作，並將所有對齊的圖像存儲在名爲processed的文件夾中。
打開終端/命令提示符並切換到Facenet目錄，然後運行align_dataset_mtcn.py以及以下參數。
python src/align_dataset_mtcnn.py \
./Dataset/Friends/raw \
./Dataset/Friends/processed \
--image_size 160 \
--margin 32 \
--random_order \
--gpu_memory_fraction 0.25
運行此命令將對齊所有圖像並將其存儲在各自的文件夾中，然後將所有內容存儲在“processed”文件夾中。下圖將向你介紹對齊的工作原理：
所有圖像都被裁剪並與標準的160x160像素圖像進行對齊。
獲得預先訓練的模型
現在，爲了在你自己的圖像上訓練模型，你需要下載預先訓練的模型。請從這裏下載。
https://drive.google.com/file/d/1EXPBSXwTaqrSC0OhUdXNmKSh9qJUQ55-/view
在Facenet根目錄中創建一個名爲“Models”的文件夾，下載完成後，將zip文件的內容解壓縮到名爲“facenet”的目錄中，並將此文件夾放在“Models”文件夾中。
這個模型是在LFW數據集上訓練的，因此所有的人臉嵌入都存儲在這些文件中，這使我們有機會凍結圖像，並在我們自己的圖像上訓練它，這樣做會將我們提供的所有人臉嵌入到維度空間中。
用我們的數據訓練模型
我們都準備好了！我們有一個預先訓練好的模型，我們的自定義數據集已經對齊並準備好了，現在，是時候訓練模型了！
python src/classifier.py TRAIN \
./Dataset/Friends/processed \
./Models/facenet/20180402-114759.pb \
./Models/Friends/Friends.pkl \
--batch_size 1000
執行上述命令將加載預先訓練的模型並啓動訓練過程，訓練結束後，新圖像的嵌入將導出到/Models/Friends/中。
由於我們使用的是預先訓練的模型和相對較少的圖像數量，因此訓練過程很快就結束了。
在視頻源上測試我們的模型
爲了測試我們的模型，我使用的是來自《老友記》的視頻，你也可以用自己的視頻來代替，甚至可以用攝像頭。在本節中，我們將編寫腳本，以便於在視頻源中進行人臉識別。
切換到“src”文件夾並創建一個新的python腳本，我給它起名爲 faceRec.py。
接下來，我們導入所有必需的庫。
此腳本只接受一個參數，即視頻文件的路徑，如果沒有提到路徑，那麼我們將通過網絡攝像頭傳輸視頻，此時參數的默認值爲0。
我們將初始化一些變量，請確保根據文件夾結構更改路徑。
加載自定義分類器。
設置Tensorflow圖，然後加載Facenet模型，使用GPU可以加快檢測和識別過程。
設置輸入和輸出張量。
pnet、rnet和onet是M.T.C.N.N.的組成部分，將用於檢測和對齊人臉。
接下來，我們將創建一個集合和一個來跟蹤檢測到的每個角色的集合。
設置視頻捕獲對象。
因此，如果在運行程序時未將VIDEO_PATH作爲參數傳遞，則它將假定默認值爲0，如果發生這種情況，視頻捕獲對象將從網絡攝像機流式傳輸視頻。
然後逐幀捕獲視頻，並且由檢測人臉模塊在這些幀中檢測人臉，找到的人臉數存儲在faces\u found變量中。
如果找到人臉，那麼我們將迭代每個人臉並將邊界框的座標保存在變量中。
然後提取、裁剪、縮放、重塑這些人臉並輸入字典。
我們將使用該模型來預測人臉的身份。我們提取最佳類的概率或置信度，這是用來衡量我們的模型是如何確定預測的身份屬於給定的臉。
最後，我們將在人臉周圍畫一個邊界框，並在邊界框旁邊寫下預測的身份和置信度，如果置信度低於某個閾值，我們將把名字填爲未知。
一定要放一個except語句，這將確保成功忽略拋出的任何錯誤，確保放置except語句，這樣做有助於我們忽略錯誤。
except: pass顯示視頻並在過程結束後關閉視頻顯示窗口，因爲每一幀都要經過大量的處理，所以視頻回放可能會很慢。
恭喜你，你的耐心得到了回報！我們已經完成了腳本，準備好了！快速啓動並執行以下命令以啓動人臉識別程序，請確保將要測試的視頻的路徑作爲參數傳遞，或將其留空以從網絡攝像機流式傳輸視頻
python src/faceRec.py --path ./Dataset/Friends/friends.mp
但是這個系統還不完善，還有一些缺點。
缺點
- 系統總是試圖將每個人臉都匹配到一個給定的身份中。如果屏幕上出現新人臉，系統將爲其分配一個或另一個身份，這個問題可以通過仔細選擇一個閾值來解決。
- 身份的混淆。在上面的gif中，你可以觀察到Joey和Chandler之間的預測有時是波動的，而且置信度得分也很低。需要使用更多圖像訓練模型來解決此問題。
- 無法在一定距離識別人臉（如果距離很遠使得人臉看起來很小）。
結論
無論是判斷你的員工是否出席或在野外尋找違法者，人臉識別技術可以證明是一個真正的保障。這個項目包括創建一個人臉識別程序，可以識別你選擇的人臉。你創建了一個自定義數據集，訓練了模型，並編寫了腳本以在視頻剪輯上運行人臉識別系統，然而，也有一些缺點，但我們的系統功能還是比較完整的。
參考文獻
https://arxiv.org/abs/1503.03832
原文鏈接：https://towardsdatascience.com/s01e01-3eb397d458d