编号：A209
大小：93M
环境：Python3.8、OpenCV4.5、Pycharm2020
简介：Keras用于实现受OpenFace项目启发的CNN模型。该模型是NN4体系结构的一个变体，标识为NN4。OpenFace项目中的small2模型。模型训练的目的是学习相同身份的所有人脸之间的L2距离较小，来自不同身份的一对人脸之间的距离较大的图像的嵌入。通过选择合适的阈值，该模型可以识别自己数据集中的人脸。请注意，此模型可以在CPU上运行。

安装所需的软件包

opencv 3.8、keras 2.2.4、dlib 19.4.0、tqdm 4.31.1、pandas 0.23.4、scipy 1.2.0

使生效

准备训练图像

在文件夹图像中，有一些文件夹包含我们想要识别的人的图像。每个文件夹有5张一个人的图像。如果你想拥有更多的人，只需创建文件夹并将图像放入其中。建议每人至少有5张图像，每个人的图像数量应相等。

用于训练的图像应该只有一张人脸。

图像文件必须是.jpg格式。

运行人脸检测和保存。皮耶。它将浏览图像文件夹中的图像，检测人脸并保存（替换完整图像）。

训练和测试

-初始化模型。

-加载用于训练的图像。

-开始训练并保存训练。EMB作为输出（用于即时使用，无需后续训练）。

-绘制一张图表，显示匹配和非匹配训练图像之间的距离差异。-可以选择阈值来分离匹配面和不匹配面。修改中第137行中的阈值main.py

-使用“测试图像”文件夹中的图像进行测试。你可以把这部分分开。py文件，只需加载train.embs.。

-用于测试的图像可以有多个人脸。不在训练数据中的人的脸将显示为“未知”。

运行展示

配套文件

我们提供完整项目文件清单如下：
文件目录
├ 1.项目源码
├ 2.运行截图
└ 3.演示视频