前记

因为最近需要用到人脸识别技术，所以对openface的使用做了一个简单的测试，使用的是docker+openface+ubuntu环境，docker下安装openface比较简单，不会因为环境安装不成功而有各种问题。

在网上看到说openface这个开源框架的识别率还挺高的，还没具体的测试，后面看看效果怎么样。另外，openface是基于faceNet的，个人觉得用faceNet源码也是可以的，这里就做一个简单的openface使用探究。

使用openface需要线下自己弄一个数据集，当然你也可以用开源的，这里数据集的要求是：1. 单张图片就只能有一张人脸； 2. 图片不能过于模糊；3. 个人遇到的问题，不要中文命名！！！

正文：

使用步骤：

一、环境安装

1.  安装docker，自行解决哈
2. 安装openface

一行解决：docker pull bamos/openface

二、数据集准备

将不同人脸放到不同的文件夹下，每张图片只能包含一张人脸，不然不保证识别质量。然后将这些文件夹放到一个文件夹下，例如我放到了当前工作目录下的training-images。

注意，上面提到我们不能中文命名，而我们处理很多人脸时都是中文，这时候一个一个改名字很麻烦，介绍一个很好用的python库pypinyin可以转中文为拼音，可以试试。

 

三、 启动openface container

首先可以通过docker images查看我们是否安装好docker下的openface

然后通过一下命令启动：

docker run -p 9000:9000 -p 8000:8000 -t -i bamos/openface /bin/bash

启动之后，我们就进入了openface的容器，ls一下，进入root,就是后面我们的工作目录，当然你也可以在别的目录下工作，例如下一个子目录openface。然后在当前目录下创建一个文件夹用来存放后面前面所说的数据集，我创建的是data。

四、 复制数据集到container下

网上有处理图像集是，远程处理当前文件夹，我试了好像没成功，所以我换了第二种方式，就是直接复制，将当前目录下的文件夹复制到contanier中，就是前面所说的data目录下。

首先查看运行中的container的CONTAINER ID, 重新启动一个终端，输入命令行：docker ps -a

复制：docker cp training-images container-id:/root/data

training-images是数据集位置，而红色字体和后面是容器以及存放复制后文件的位置，复制成功后在容器中可以查看：

五、裁剪人脸

在container中运行： ./openface/util/aligned-dlib.py ./data/training-images align outerEyesAndNose ./aligned-images/ --size 96

这里./data/training-images是我们复制后的文件夹的位置，./aligned-images/是裁剪后的存放位置，size是裁剪后人脸大小，这些都是可选的。

裁剪完成后，同样可以将裁剪后的文件夹复制到宿主机的目录下查看：

docker cp  container-id:/root/aligned-images path-dest

六、 提取人脸特征

命令行： ./openface/batch-represent/main.lua -outDir ./generated-embeddings/ -data ./aligned-images （有点慢）

outDir选择输出文件夹，运行成功后，可以在generated-embeddings文件夹下面看到两个文件（一个是图像路径列表，一个是对应图像的128维特征，可以复制后使用），可以复制到本地查看。

七、 SVM分类训练

命令： ./openface/demos/classifier.py train ./generated-embeddings/

运行成功后可以在generated-embeddings目录下看到多了一个classifier.pkl文件，就是SVM训练后的文件。

八、 比较

首先将需要测试的图像，复制到container中，例如我的test.jpg图像：

docker cp test.jpg container-id:/root/ 

然后就可以用训练好的来对比了;

./openface/demos/classifier.py  infer ./generated-embeddings/classifier.pkl test.jpg

 

到此，docker+openface的初体验就结束了。

如果该博客对你有用，点个赞（*—*）