python+TensorFlow实现人脸识别智能小程序的项目（包含TensorFlow版本与Pytorch版本）（二）

1、人脸业务流程

1、人脸检测（Face Detection）问题

2、人脸对齐（Face Alignment）问题

3、人脸属性（Face Attribute）问题

4、人脸比对（Face Compare）问题

2、人脸识别相关数据集

3、人脸检测

1、人脸检测需要解决的问题

1、人脸可能出现在图像中的任何一个位置
2、人脸可能有不同的尺度
3、人脸在图像中可能有不同的视角和姿态
4、人脸可能部分被遮挡

2、小人脸检测问题

1、下采样倍率很大时，人脸区域基本消失
2、相比于感受野和anchor的尺寸来说，人脸的尺寸太小
3、anchor匹配策略（IOU小且变化敏感）
4、正负样本比例失衡

解决方案：

1、多尺度策略
2、调整优化anchor策略
3、在线的难例挖掘
3、IOU计算方式

4、人脸目标检测算法

使用SSD检测模型（后期使用效果更优的yolov5目标检测算法进行优化）
SSD作为人脸检测器的有点如下：

1、端到端的训练
2、直接回归目标类别和位置
3、不同尺度的特征图上进行预测

SSD网络模型结构：（以VGG16为特征提取网络）

关于SSD详细的讲解，请参考我的另一篇博文
https://blog.csdn.net/guoqingru0311/article/details/130320681

5、TensorFlow+SSD环境搭建

TensorFlow-gpu版本为1.13.0
项目路径：
https://github.com/tensorflow/models/tree/r1.13.0/research/object_detection
安装教程：
https://github.com/tensorflow/models/blob/r1.13.0/research/object_detection/g3doc/installation.md

环境搭建：

1、官网下载需要的项目

https://github.com/tensorflow/models/tree/r1.13.0

2、安装基础包

pip install pillow lxml Cython jupyter matplotlib pandas opencv-python  --default-timeout=100 -i https://pypi.tuna.tsinghua.edu.cn/simple

# 安装tensorflow-gpu版，此次项目使用的是1.13.0
pip install tensorflow-gpu==1.13.0 --default-timeout=100 -i https://pypi.tuna.tsinghua.edu.cn/simple

3、安装重要包protobuf与protoc这两个包的版本必须一致否则会报错

（1）安装protobuf

# 安装protobuf（Note：protobuf默认安装的是2.6.1版,安装时需要安装版本大于3）
pip install protobuf==3.15.0

（2）安装 protoc
与protobuf对应的版本是protoc-3.0.0-linux-x86_64.zip

先查看是否安装过protoc
1、首先查看本机的protoc的版本

protoc --version

2、本人机器在安装之前输出的是2.6.1版本的protoc，是通过如下的命令安装的：

sudo apt install protobuf-compiler

（如果已经安装可能会因为版本不匹配出现以下报错问题）

开始正儿八经的安装教程了哈：：

# 1、下载对应版本的安装包文件
wget  https://github.com/google/protobuf/releases/download/v3.0.0/protoc-3.0.0-linux-x86_64.zip

# 2、解压压缩包
apt-get install unzip
unzip protoc-3.0.0-linux-x86_64.zip -d protoc-3.0.0-linux-x86_64 
# 3、将解压后的文件目录移动到/opt目录下，方便写入环境变量
mv protoc-3.0.0-linux-x86_64/ /opt
cd /opt/protoc-3.0.0-linux-x86_64/bin
chmod +x protoc #这一步很必要，否则执行的还是2.6.1版本的
export PATH=/opt/protoc-3.0.0-linux-x86_64/bin:$PATH   # 写入环境变量
source ~/.bashrc

Note：此处需要保证protobuf与protoc版本保持一致，否则会报以下错误

3、编译proto文件
在research文件下执行以下命令，如果object_detection/protos/文件夹中每个proto文件都生成了对应以.py格式的代码文件，就说明编译成功了。

# From tensorflow/models/research/
protoc object_detection/protos/*.proto --python_out=.

（3）将安装Slim加入PYTHONPATH

#1、 安装slim包必须保证与tensorflow、object项目同版本，否则会报错
# 需要cd到 */research/slim 目录下，执行以下语句
python setup.py install 
#2、因为要用到slim，所以得将slim加入python使用的path才能正常运行。还是在research文件下，执行以下命令：
export PYTHONPATH=$PYTHONPATH:`pwd`:`pwd`/slim

（4）安装完成测试

python object_detection/builders/model_builder_test.py

截止到以上，环境搭建已经完成，步骤确实复杂~~~~

4、人脸检测数据集

WIDER FACE数据集


Passcal VOC数据格式