基于Streamlit的口罩人脸识别系统python源码+模型+使用说明.zip

# 基于Streamlit的口罩人脸识别系统 本项目对[Masked-Face-Recognition-using-Facenet](https://github.com/Nagasai524/Masked-Face-Recognition-using-Facenet)项目进行了修改，在此基础上实现了实时的口罩人脸识别。 人脸识别使用MTCNN和FaceNet进行训练，使用Streamlit进行部署。 ## 我使用的Python包版本 ``` Keras 2.4.3 Keras-Preprocessing 1.1.2 mtcnn 0.1.1 opencv-contrib-python 4.3.0.38 opencv-python 4.3.0.38 tensorflow 2.6.2 Pillow 5.4.1 numpy 1.19.4 matplotlib 3.3.1 streamlit 1.6.0 scipy 1.5.4 ``` 如果运行项目的过程中出现一些奇怪的报错，可以尝试将Python包换成以上版本。 如果使用pip安装以上包的速度太慢，可以使用镜像源。如使用豆瓣镜像源下载streamlit： ``` pip install -i http://pypi.douban.com/simple/ --trusted-host pypi.douban.com streamlit ``` ## 项目文件目录 * `dataset`：数据集，应将同一人的训练图片应放到“`dataset\姓名`”目录下。 * `facenet.h5`：训练的模型。在[谷歌硬盘](https://drive.google.com/open?id=1pwQ3H4aJ8a6yyJHZkTwtjcL4wYWQb7bn)model文件夹中下载`facenet_keras.h5`并重命名为`facenet.h5`。 * `trainer.py`：训练数据集的代码。 * `recognizer.py`：部署Streamlit、实现口罩人脸识别的代码。 ## 运行项目 1. **收集图像**：将人脸图像放到`dataset`目录中。这些图片可以是戴口罩图片或不戴口罩图片。 2. **生成embeddings**：运行`trainer.py`这一文件。在命令行使用以下命令生成`data.npz`文件 ``` python trainer.py ``` 3. **部署Streamlit**：在命令行使用以下命令进行部署 ``` streamlit run recognizer.py ``` 以上就可以在浏览器访问`http://localhost:8501/`使用该系统实现口罩人脸识别。 ## 系统功能及演示 ### 上传戴口罩的人脸图片 点击`“Browse files”`上传口罩人脸图片，实现人脸识别。  ### 实时检测戴口罩的人脸 点击`“开始/停止”`打开摄像头，实时检测口罩人脸。  （注意：“实时检测戴口罩的人脸”功能无法在服务器上使用，因为Streamlit调用的不是客户机的摄像头。）