OpenCV深度学习人脸识别示例——看大佬如何秀恩爱

(欢迎关注“我爱计算机视觉”公众号，一个有价值有深度的公众号~)
提到OpenCV人脸识别，你是否还停留在Haar级联人脸检测+LBP特征人脸识别上？对于小规模数据库如何用OpenCV开发简易的人脸识别系统？

PyImageSearch博主Adrian Rosebrock昨日发表博文，展示如何使用OpenCV的深度学习工具在小库上进行人脸识别。昨天是我们中国人的传统佳节——中秋节，
Adrian推送博文时也喜不胜收，不过原因是他结婚啦！而且这篇博文使用的人脸数据正是来自他与新娘Trisha。
赶紧看看他们的秀恩爱照~

恭喜Adrian！原来秋天也是收获爱情的季节~
言归正传，在这篇博文中，Adrian展示了如何使用OpenCV现有深度学习工具进行人脸识别，主要流程包括：
1.人脸检测，OpenCV使用Caffe训练好的SSD检测模型检测人脸；

2.提取人脸嵌入特征，OpenCV使用OpenFace工程中的FaceNet模型提取深度学习人脸嵌入特征；

3.训练人脸识别模型，使用scikit-learn中的SVM算法在人脸嵌入特征上训练分类器；
4.使用步骤3中训练的模型在图像和视频中识别人脸。

作者收集的数据库就是他们夫妻两个人的照片，并增加了“unknown”类来自电影侏罗纪公园的部分剧照。每类只有6幅图片。

看看效果

虽然库很小，但还是能将这甜蜜小两口认出来的。

不过也出现了一些看起来不太理想的情况。毕竟数据库太小了。

作者又探讨了下如何提高人脸识别系统的识别率：
1.收集更多的数据，作者推荐最少每人10-20张人脸图像；

2.增加人脸对齐预处理，相当于包含旋转、尺度、平移的人脸几何归一化；

3.调整超参数；
4.使用dlib的深度学习嵌入特征提取，嗯，dlib开源的人脸识别模型比较强大。
参见：
http://blog.dlib.net/2017/02/high-quality-face-recognition-with-deep.html

为什么要在使用SVM分类器而不是end-to-end训练？
因为数据库太小没法训练，通常的做法就是使用在大库上训练的人脸模型提取特征，使用传统的分类算法识别人脸。

Adrian在博文中说“As I mentioned in the introduction to today’s face recognition post, I was just married over the weekend, so this post is a “gift” to my new wife .“
不知道作为程序员的妻子Trisha，收到这样的礼物是不是很惊喜^_^

原博文地址：

https://www.pyimagesearch.com/2018/09/24/opencv-face-recognition/

代码下载：
因为原始下载需要梯子，52CV君已经把它搬到百度云，在“我爱计算机视觉”公众号对话界面回复“opencvfr”，即可收到百度云下载地址。

最后祝福Adrian新婚快乐，百年好合~

(欢迎关注“我爱计算机视觉”公众号，一个有价值有深度的公众号~)