BroadswordZhang / Face_Recognization_Alog_System

Face_Recognization_Alog_System

人脸识别算法系统包含人脸检测训练推理算法、人脸矫正算法、人脸特征比对算法、人脸识别整体pipeline以及在tensorrt和安卓端的部署代码。

人脸识别各个模块以及运行

人脸检测Face_Detection

环境安装

cd Face_Detection 
pip install -r requirements.txt

数据准备

1. 下载数据 WIDERFACE.

2. 下载标签(人脸标注框& 人脸五个关键点坐标标注) 从 baidu cloud 或者 dropbox

3. 将数据的文件夹格式改成下面的架构:

  ./data/widerface/
    train/
      images/
      label.txt
    val/
      images/
      wider_val.txt

ps: wider_val.txt 仅包含 验证文件名不包含标签信息。

训练

提供restnet50和 mobilenet0.25 做为预训练模型，下载路径为： google cloud and baidu cloud 密码: fstq .
将下载好的模型放到对应的路径下：

  ./weights/
      mobilenet0.25_Final.pth
      mobilenetV1X0.25_pretrain.tar
      Resnet50_Final.pth

1. 在训练前，修改配置文件：data/config.py and train.py。

2. 训练模型:

CUDA_VISIBLE_DEVICES=0,1,2,3 python train.py --network resnet50 or
CUDA_VISIBLE_DEVICES=0 python train.py --network mobile0.25

验证

Evaluation widerface val

1. 生成txt文件

python test_widerface.py --trained_model weight_file --network mobile0.25 or resnet50

2. 评估txt的结果. 参考 Here

cd ./widerface_evaluate
python setup.py build_ext --inplace
python evaluation.py

TensorRT部署

-TensorRT

人脸矫正Face_Alignment

1. 安装依赖库

pip install numpy
pip install opencv-python

2. 设置landmarks

根据自己的图像设置landmarks(五点定位)，第26行

face_landmarks

3. 运行并查看结果

python face_alignment.py

结果如下：

人脸特征比对和人脸注册以及pipeline Face_Recognization_Pipeline

人脸特征比对模型采用预训练模型models/arcface

1. 安装环境

cd Face_Recognization_Pipeline
pip install -r requirement.txt

2. 人脸注册

修改配置文件：

def parse_opt():
    parser = argparse.ArgumentParser()
    # Retinaface args
    parser.add_argument('--retinaface_model_path', default='/codes/Face_Rec/models/mobilenet0_25.tflite',
                        help='Retinaface model path')
    parser.add_argument('--retinaface_backbone', default='mobilenet', help='Retinaface model backbone')
    parser.add_argument('--retinaface_threshold', type=float, default=0.7, help='Retinaface detect threshold')
    parser.add_argument('--retinaface_nms_iou', type=float, default=0.45, help='Retinaface nms iou threshold')
    parser.add_argument('--retinaface_input_shape', type=int, default=[640, 640, 3], help='Retinaface input shape')
    parser.add_argument('--retinaface_output_shape', type=int, default=[10, 2, 4], help='Retinaface model output shape')
    # FaceOperator args
    parser.add_argument('--euler_angle_threshold', default=30, type=float, help='Filter euler angle threshold')
    # Arcface args
    parser.add_argument('--arcface_model_path', default='/codes/Face_Rec/models/arcface.tflite',
                        help='Arcface model path')
    parser.add_argument('--arcface_input_shape', type=int, default=[112, 112, 3], help='Arcface model input size')
    parser.add_argument('--arcface_output_shape', type=int, default=[128], help='Arcface extract feature shape')
    # Register
    parser.add_argument('--register_csv_path', default='Face_Gallery/gallery_kuangbiao_pc.csv',
                        help='Face features gallery csv file')
    parser.add_argument('--register_images_path', default='Face_Gallery/face_images_kuangbiao',
                        help='Face images to register')

运行：

python Register_gallery_pc.py

3. 人脸识别的pipeline

运行：

python FaceRec_whole_process_pc.py

人脸识别的部署

1. 安装环境

1. 基于硬件，安装tensorrt：https://docs.nvidia.com/deeplearning/tensorrt/install-guide/index.html#installing-tar
2. opencv 安装： opencv build Flag : -D WITH_CUDNN=OFF -D OPENCV_DNN_CUDA=ON

2. 模型转换

cd Face_Recognization_Deploy 
cd prj_onnx2trt
python demo.py

3. 模型验证

python calibrator.py

4. 模型推理

cd .. && cd prj_tenorrt
python demo.py

结果如下：