基于Python实现人脸检测与分类【100010922】

> # ♻️ 资源 > **大小：** 46.8KB > **文档链接：**[**https://www.yuque.com/sxbn/ks/100010922**](https://www.yuque.com/sxbn/ks/100010922) > **➡️ 资源下载：**[**https://download.csdn.net/download/s1t16/87484801**](https://download.csdn.net/download/s1t16/87484801) > **注：更多内容可关注微信公众号【神仙别闹】，如当前文章或代码侵犯了您的权益，请私信作者删除！** >  # 人脸识别 ## 算法简介 我们的算法可以分成两个部分，识别人脸位置和确定人脸分类。这两个部分可以看成： 1.检测出人脸之间相似性。 2.检测出人脸之间不同性。 由于这两项工作截然相反，所以我们使用了两个网络来分别完成这两项工作。 ## 人脸检测 ### 简述 我们的人脸检测网络采用了和Faster RCNN类似的策略，但我们在ROI Polling上进行了创新，兼顾了小目标检测和大目标检测，为此，我们还使用了改进后的RESNET101_V2的网络，使我们的网络对于小目标更加敏感。在增加了少量的运算单元后，我们的网络可以识别24*24像素下的人脸(甚至于更低!)。我们调整了网络结构，并没有采用传统的卷积网络(提取特征)+全连接层(分类)的结构，而是采用了全卷积结构，这让我们的识别网络的速度远远高于传统的神经网络识别方法，识别精度也高于传统的算子和特征值人脸识别算法。 ### 数据集介绍 采用的数据集为FDDB数据集，该数据集图像+注释有600M左右。 图像有各种大小和形状，主要集中在(300600)*(300600)的像素上。 注:我们的训练网络不在乎训练图像的大小形状(只要长宽大于192就好)。 其注释内容为图像中的人脸椭圆框: ``` [ra, rb, Θ, cx, cy, s] ra，rb：半长轴、半短轴 cx, cy：椭圆中心点坐标 Θ：长轴与水平轴夹角（头往左偏Θ为正，头往右偏Θ为负） s：置信度得分 ``` 通过坐标变换后我们可以得到矩形框: ``` w = 2*max([abs(ra*math.sin(theta)),abs(rb*math.cos(theta))]) h = 2*max([abs(ra*math.cos(theta)),abs(rb*math.sin(theta))]) rect = [cx-w/2,cy-h/2,w,h] 即: rect = [x,y,w,h](x,y为左上角坐标) ``` 我们以图为单位，从图中抽取128个anchors，这128个anchors包括该图中的全部正例和随机的负例。最后使用我们进行坐标变换的矩形框进行Bounding Box回归。 ### 算法介绍 #### 流程图  ``` img = tf.constant(img,shape = (1,h,w,mod),dtype = tf.float32) # 图像原始数据 # 使用无pool1&pool5的RESNET 101 net, endpoints = my_resnet(img,global_pool = False,num_classes=None,is_training=True,reuse = tf.compat.v1.AUTO_REUSE) # net's w&h = original_img's w&h / 8 ``` 我们进行模型搭建和使用的平台为windows10-python3.6.2-tensorflow-gpu。 首先，我们的图像(img_batch = [batch_size,h,w,mod],batch_size为图像的数量,h为图像高度,w为图像宽度,mod为图像通道数，这里我们处理的均为RGB三色彩图，所以我们的通道数均为3)通过我们改进版的RESNET101_V2网络，传统的RESNET101_V2的网络结构如下:  而我们的网络去掉了pool1和pool5层，使网络放缩系数从32下降到了8。这使我们的网络对于小目标更加的敏感。通过了该网络后，我们得到了卷积后的信息图:img_batch_conv = [batch_size,h/8,w/8,2048] ``` weights = { 'down':tf.compat.v1.get_variable(name = 'w_down',shape = [1,1,2048,1024]),# 降采样 'feature':tf.compat.v1.get_variable(name = 'w_feature',shape = [1,1,1024,K*K*2]) } biases = { 'down':tf.compat.v1.get_variable(name = 'b_down',shape = [1024,]), # 降采样 'feature':tf.compat.v1.get_variable(name = 'b_feature',shape = [K*K*2,]) } ``` img_batch_conv首先通过一个shape = [1,1,2048,1024]的卷积算子，该算子的作用是进一步的特征提取和降采样。我们采用多步特征提取的策略是由于在RCNN[1]一文中，作者提出在VOC2012测试集下，三层的特征识别网络比一层特征识别网络的正确率要高。 通过该算子我们得到了一个[batch_size,h/8,w/8,1024]结构的数据，将该数据通过一个[1,1,1024,K*K*C]的算子得到特征图feature_map。feature_map的概念在Faster RCNN[2]的文章内提出，提取特征图的算子的K*K代表着每一块feature_map有K*K个bin，而C代表着识别物体的类别+1(背景),这里我们的K取3，C取2(只有两个分类:人脸和背景)。 ``` with tf.compat.v1.variable_scope('RPN', reuse=tf.compat.v1.AUTO_REUSE): weights = { 'rpn_1':tf.compat.v1.get_variable(name = 'w_rpn_1_1',shape = [3,3,1024,1]), # 高:宽 1:1的卷积 'rpn_2':tf.compat.v1.get_variable(name = 'w_rpn_1_2',shape = [3,6,1024,1]), # 高:宽 1:2的卷积 'rpn_3':tf.compat.v1.get_variable(name = 'w_rpn_2_1',shape = [6,3,1024,1]), # 高:宽 2:1的卷积 'rpn_4':tf.compat.v1.get_variable(name = 'w_rpn_2_2',shape = [6,6,1024,1]), 'rpn_5':tf.compat.v1.get_variable(name = 'w_rpn_2_4',shape = [6,12,1024,1]), 'rpn_6':tf.compat.v1.get_variable(name = 'w_rpn_4_2',shape = [12,6,1024,1]), 'rpn_7':tf.compat.v1.get_variable(name = 'w_rpn_4_4',shape = [12,12,1024,1]), 'rpn_8':tf.compat.v1.get_variable(name = 'w_rpn_4_8',shape = [12,24,1024,1]), 'rpn_9':tf.compat.v1.get_variable(name = 'w_rpn_8_4',shape = [24,12,1024,1]) } biases = { 'rpn_1':tf.compat.v1.get_variable(name = 'b_rpn_1_1',shape = [1,]), 'rpn_2':tf.compat.v1.get_variable(name = 'b_rpn_1_2',shape = [1,]), 'rpn_3':tf.compat.v1.get_variable(name = 'b_rpn_2_1',shape = [1,]), 'rpn_4':tf.compat.v1.get_variable(name = 'b_rpn_2_2',shape = [1,]), 'rpn_5':tf.compat.v1.get_variable(name = 'b_rpn_2_4',shape = [1,]), 'rpn_6':tf.compat.v1.get_variable(name = 'b_rpn_4_2',shape = [1,]), 'rpn_7':tf.compat.v1.get_variable(name = 'b_rpn_4_4',shape = [1,]), 'rpn_8':tf.compat.v1.get_variable(name = 'b_rpn_4_8',shape = [1,]), 'rpn_9':tf.compat.v1.get_variable(name = 'b_rpn_8_4',shape = [1,]) } ``` 我们将得到的feature_map = [batch_size,h/8,w/8,K*K*C]使用三种不同形状，三种不同大小，一共九种不同形状或大小的卷积核对我们的网络进行卷积，得到了9种不同形状或大小的archors中是否存在人脸的概率。这里我们虽然沿用了Faster RCNN[2]中anchor的概念，但我们并没有使用ROI Pooling而是只使用了ROI。因为Tensorflow采用的是流图计算，增加ROI Pooling反而会让每个anchor独立计算，大大增加了我们的计算量，而且不同大小的anchor进行Pooling后均会生成K*K形状的数据，不方便我们的网络对于不同大小的anchor进行不同状态的识别。而且由于我们只用分成背景和人脸两个类别，所以即使不进行ROI Pooling，我们网络所需的运算单元�