基于深度学习的人脸识别系统.zip

## 使用说明 运行window.py，显示GUI 整个系统使用window.py中的window类和face_recogniton.py中的face_recogniton类。 其中face_recogniton是整合了face_detection.py，affineTrans.py，featureExtraction.py； 因此你可以通过这几个文件了解流程。 ``` # 流程 # 人脸检测-》人脸对齐-》特征向量提取-》相似度对比 # 利用face_detection提取人脸，获取特征点，在affineTrans进行仿射变换对齐为112*112图片 # 接着在featureExtraction中提取特征向量，最后进行相似度对比。 ``` ### 注意 如果cudn内存不够或者系统没有GPU，请**取消注释**face_recognition中的一下代码 ```python # 取消注释表示设置利用cpu # import os # # os.environ["CUDA_DEVICE_ORDER"] = "PCI_BUS_ID" # os.environ["CUDA_VISIBLE_DEVICES"] = "-1" ``` ### 运行环境 python1.6.0+tensorflow 1.12.0 ## 函数说明 ### face_detection.py ```python # 获取5个特征点和人脸检测框 def get_landmarkAndrect(image_path='./images/0001.png') ``` 返回人脸5个特征点数组列表和对应人脸检测框列表。 可以直接运行本文件得到如下结果  ### affineTrans.py ```python def get_cropImage(face_landmarks, img_path="images/face_test.jpg", mode=1) ``` 返回仿射变换后的对齐图像(mode=1表示112\*112，mode=2表示112\*96) 可以直接运行本文件得到如下结果  ### featureExtraction.py ```python # 获取112*112图片的特征向量 def get_512features(img_path='images/112_112.jpg'): ``` 返回对齐图像的特征向量值 可以直接运行本文得到如下结果 ``` -7.06420047e-03 -4.02247421e-02 5.08635081e-02 -4.72537568e-03 7.56369787e-04 -4.51981463e-03 1.13019533e-02 -5.53472899e-02 -4.00648527e-02 -4.12669219e-02 -2.16021296e-02 1.97736938e-02 -1.26779191e-02 1.98411848e-02 -7.07795396e-02 6.14322238e-02 -3.71924862e-02 5.16385324e-02 -6.80582300e-02 4.65788767e-02 ... ```