开源人脸识别 openface 实用介绍实例演示训练自己的模型

1.OpenFace 是卡耐基梅陇（CMU）大学的一个图像+机器学习项目，整体程序包含：人脸发现，特征提取，特征神经网络训练，人脸识别这四部分。

　　github https://github.com/cmusatyalab/openface/

　　API文档 http://openface-api.readthedocs.io/en/latest/index.html

　　website http://cmusatyalab.github.io/openface/

2.安装

　　官方安装说明 http://cmusatyalab.github.io/openface/setup/

　　说的不是很详细，很多关键依赖以及基本概念并没有讲清楚。很容易导致安装、编译失败。

　　2.1操作系统

　　　　只支持Linux 和OSX，官方强烈推荐使用docker镜像来使用，不过为了运行加速或自主修改，还是建议大家从源码搭建。

　　　　OpenFace已经在ubuntu14.04和OSX10.10上成功测试。

　　　　我使用ubuntu14.04.5 https://mirror.tuna.tsinghua.edu.cn/ubuntu-releases/14.04.5/ubuntu-14.04.5-desktop-amd64.iso

　　2.2从头安装

　　　　我的实验室位置在西安，更换中科大的软件源超屌 http://mirrors.ustc.edu.cn trasty ，以下所有依赖的安装速度均与网速有关，也可能跟长城有关，安装时还需要耐心等待。若某一步安装不成功可以重启计算机重新安装。

　　　　sudo apt-get update

　　　　sudo apt-get install ssh git curl zsh vim #安装基本工具

　　　　sudo -i #进入root，基本上主要程序都放在/root/目录下，只有openface源码放在/home/usr/也可以。

　　　　#安装必要依赖

1 sudo apt-get install build-essential cmake gfortran  libatlas-dev libavcodec-dev libavformat-dev libboost-all-dev libgtk2.0-dev libjpeg-dev liblapack-dev libswscale-dev pkg-config python-dev python-pip wget zip

　　　　#必要的数值计算库

1 　　　　pip2 install numpy -i https://pypi.tuna.tsinghua.edu.cn/simple #选择下载镜像，可以加速，
2 
3 　　　　pip2 install scipy #numpy安装成功后，scipy总失败，reboot之后就好了
4 
5 　　　　pip2 install pandas
6 
7 　　　　pip2 install scikit-learn
8 
9 　　　　pip2 install scikit-image #发现安装慢也可以使用 sudo apt-get install python-skimage的方式

　　　　#安装Torch 基于lua的科学计算工具，其包管理器是luarocks。

 1 　　　　sudo apt-get install luarocks
 2 
 3 　　　　curl -s https://raw.githubusercontent.com/torch/ezinstall/master/install-deps  | bash -e  #安装Torch的依赖库
 4 
 5 　　　　git clone https://github.com/torch/distro.git ~/torch --recursive #源码
 6 
 7 　　　　cd torch
 8 
 9 　　　　bash install-deps  #(cloning openblas)
10 
11 　　　　./install.sh #源码安装torch 如果网络被墙也可以从www.pandaroll.cn/openface/torch.tar.gz 下载 ，解压：tar -xvf torch.tar.gz

　　　　#再安装torch需要的依赖，下载

 1 　　　　~/torch/install/bin/luarocks install moses #若安装很慢可以从源码解压后直接安装，下载：www.pandaroll.cn/openface/Moses-master.zip 然后在终端输入~/torch/install/bin/luarocks install Moses-master/rockspec/moses-1.4.0-1.rockspec
 2 
 3 　　　　~/torch/install/bin/luarocks install torchx #www.pandaroll.cn/openface/torchx-master.zip
 4 
 5 　　　　~/torch/install/bin/luarocks install nn #www.pandaroll.cn/openface/nn-master.zip
 6 
 7 　　　　~/torch/install/bin/luarocks install dpnn #www.pandaroll.cn/openface/dpnn-master.zip
 8 
 9 　　　　~/torch/install/bin/luarocks install csvigo #www.pandaroll.cn/openface/lua---csv-master.zip
10 
11 　　　　~/torch/install/bin/luarocks install fblualib #www.pandaroll.cn/openface/fblualib-master.zip
12 
13 　　　　~/torch/install/bin/luarocks install optim #www.pandaroll.cn/openface/optim-master.zip

　　　　#安装opencv

1 　　　　sudo apt-get install libjpeg-dev libpng-dev libtiff-dev libjasper-dev
2 
3 　　　　sudo apt-get -qq install libopencv-dev build-essential checkinstall cmake pkg-config yasm libjpeg-dev libjasper-dev libavcodec-dev libavformat-dev libswscale-dev libdc1394-22-dev libxine-dev libgstreamer0.10-dev libgstreamer-plugins-base0.10-dev libv4l-dev python-dev python-numpy libtbb-dev libqt4-dev libgtk2.0-dev libmp3lame-dev libopencore-amrnb-dev libopencore-amrwb-dev libtheora-dev libvorbis-dev libxvidcore-dev x264 v4l-utils

　　　　下载opencv https://github.com/Itseez/opencv/archive/2.4.11.zip 或 http://www.pandaroll.cn/openface/ocv.zip

 1 　　　　cd ~
 2 
 3 　　　　unzip ocv.zip
 4 
 5 　　　　cd opencv-2.4.11
 6 
 7 　　　　mkdir release
 8 
 9 　　　　cd release
10 
11 　　　　cmake -G "Unix Makefiles" -D CMAKE_CXX_COMPILER=/usr/bin/g++ CMAKE_C_COMPILER=/usr/bin/gcc -D CMAKE_BUILD_TYPE=RELEASE -D CMAKE_INSTALL_PREFIX=/usr/local -D WITH_TBB=ON -D BUILD_NEW_PYTHON_SUPPORT=ON -D WITH_V4L=ON -D INSTALL_C_EXAMPLES=ON -D INSTALL_PYTHON_EXAMPLES=ON -D BUILD_EXAMPLES=ON -D WITH_QT=ON -D WITH_OPENGL=ON -D BUILD_FAT_JAVA_LIB=ON -D INSTALL_TO_MANGLED_PATHS=ON -D INSTALL_CREATE_DISTRIB=ON -D INSTALL_TESTS=ON -D ENABLE_FAST_MATH=ON -D WITH_IMAGEIO=ON -D BUILD_SHARED_LIBS=OFF -D WITH_GSTREAMER=ON ..
12 
13 　　　　sudo make all -j4 #cpu是4核
14 
15 　　　　sudo make install #若报错硬件问题或操作系统问题，可能是过热问题，换个主板或计算机，最好是台式机。

　　　　#安装无报错后将cv2.so 考到python目录下

　　　　cp /lib/cv2.so /usr/local/lib/python2.7/dist-packages

　　　　#安装dlib

　　　　下载dlib https://github.com/davisking/dlib/releases/download/v18.16/dlib-18.16.tar.bz2

　　　　若难以下载,也可以 www.pandaroll.cn/opencv/dlib-18.16.tar.bz2

 1 　　　　cp dlib-18.16.tar.bz2 ~/src
 2 
 3 　　　　cd src
 4 
 5 　　　　tar xf dlib-18.16.tar.bz2
 6 
 7 　　　　cd dlib-18.16/python_examples
 8 
 9 　　　　mkdir build
10 
11 　　　　cd build
12 
13 　　　　cmake ../../tools/python
14 
15 　　　　cmake --build . --config Release
16 
17 　　　　sudo cp dlib.so /usr/local/lib/python2.7/dist-packages

　　　　#到目前，opencv 和 dlib应该安装好了，测试一下安装成功否：

1 　　　　python
2 
3 　　　　import cv2
4 
5 　　　　import dlib

　　　　#若都成功，则继续下面的步骤

　　　　#安装openface

1 　　　　git clone https://github.com/cmusatyalab/openface.git #若下载太慢则：www.pandaroll.cn/openface/openface.zip ,然后解压unzip openface.zip，可以放到/home/usr/目录下面。
2 
3 　　　　git submodule init 
4 
5 　　　　git submodule update 
6 
7 　　　　cd openface
8 
9 　　　　sudo python2 setup.py install

　　　　#获取模型

1 　　　　cd models/get-models.sh #若下载太慢
2 
3 　　　　则下载 www.pandaroll.cn/openface/shape_predictor_68_face_landmarks.dat.bz2 ，放入 models/dlib中
4 
5 　　　　bunzip2 shape_predictor_68_face_landmarks.dat.bz2 
6 
7 　　　　下载 www.pandaroll.cn/openface/celeb-classifier.nn4.small2.v1.pkl ，放入 models/openface中
8 
9 　　　　下载 www.pandaroll.cn/openface/nn4.small2.v1.t7 ，放入 models/openface中

========================安装完成==========

3.测试

　　3.1demo1 #进入sudo -i root模式

　　　　计算不同面孔之间的相似度距离：

1 　　　　cd openface
2 
3 　　　　./demos/compare.py images/examples/{lennon-1.jpg,clapton-1.jpg}

　　运行结束后会给出一个结果:l2距离是1.132

1 　　　　./demos/compare.py images/examples/{lennon-1.jpg,lennon-2.jpg}

　　　　运行结束后会给出一个结果:l2距离是0.763

　　　　发现：同一个人的确更相似。

　　3.2训练一个分类器

　　　　需要人脸原图，每个图包含一个人脸，每个人脸15张图。不同的人的照片放入不同的文件夹下。例如我收集了我自己和妹子的分别15张照片。一共相当于2个人，但是有几个人就分几个文件夹即可。将这几个文件夹放入同一个目录。

1 　　　　cd openface
2 
3 　　　　mkdir training-images
4 
5 　　　　cp -r siyi/ openface/traning-images
6 
7 　　　　cp -r naixin/ openface/traning-images

　　　　#人脸发现和矫正和裁剪对其的新照片将放入/aligned-images/目录中，是96*96的正方形图片：

1 　　　　./util/align-dlib.py ./training-images/ align outerEyesAndNose ./aligned-images/ --size 96

　　　　#提特征，每个人脸128个特征点，新特征为csv文件，放入了/generated-embeddings/目录中：

1 　　　　./batch-represent/main.lua -outDir ./generated-embeddings/ -data ./aligned-images

　　　　#训练自己的面部检测模型，是最基本的SVM模型：classifier.pkl 会放入generated-embeddings/目录下：

1 　　　　./demos/classifier.py train ./generated-embeddings/

　　　　#获取一张不在数据集中的照片，利用分类器检测并归属然后会得到一个属于哪个名字的结果和一个可信度数值：

　　　　　　　新照片siyitest1.jpg：　

1 　　　　./demos/classifier.py infer ./generated-embeddings/classifier.pkl siyitest1.jpg

分类器会给出分类结果和可信度，一般同样的人的可信度在99%左右，未在分类器中的人会低于80%。

　　3.3web-demo

1 　　　　sudo pip install -r demos/web/requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple
2 
3 　　　　./demos/web/start-servers.sh


安装一个usb摄像头，打开火狐浏览器：127.0.0.1：8000 可以在线添加训练，实时识别。

==完==

乔思祎

2017年3月20日

开源 人脸识别 openface 实用介绍 实例演示 训练自己的模型

开源人脸识别 openface 实用介绍实例演示训练自己的模型