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

复制代码
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
复制代码

 

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

复制代码
 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
复制代码

 

    #再安装torch需要的依赖,下载

复制代码
 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
复制代码

 

 

    #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

复制代码
 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。
复制代码

    #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

复制代码
 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
复制代码

    #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

复制代码
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
复制代码

    #获取模型

复制代码
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
复制代码

========================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。

    

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

    #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。

     

 

  

 转自:https://www.cnblogs.com/pandaroll/p/6590339.html