前言

第三节课，

一、基于facenet_pytorch进行人脸识别

1. 安装

• 安装 pytorch库
• 安装 facenet_pytorch库

pip install facenet-pytorch

2. 使用InceptionResnetV1预训练模型

下载InceptionResnetV1 预训练模型预训练模型文件，将”20180402-114759.pb“、”model-20180402-114759.ckpt-275.data-00000-of-00001“、”model-20180402-114759.ckpt-275.index“和”model-20180402-114759.meta“文件，放置到”C:\Users\用户名.cache\torch\checkpoint“地址中，在之后运行的过程将会自动生成pt文件。

3. 准备图片

将lyf的两张图片放在代码目录下，图片如下。

4. 运行代码

以下代码会提取人脸的特征向量，计算特征向量的欧⽒距离，根据预先设定的阈值，如果⼩于阈值，那么这两张人脸是一个人，即”匹配“，否则输出”不匹配“。

import cv2
import torch
from facenet_pytorch import MTCNN, InceptionResnetV1

def load_known_faces(dstImgPath, mtcnn, resnet):
    aligned = []
    knownImg = cv2.imread(dstImgPath) 
    face = mtcnn(knownImg)
    if face is not None:
        aligned.append(face[0])
    aligned = torch.stack(aligned).to(device)
    with torch.no_grad():
        known_faces_emb = resnet(aligned).detach().cpu()
    return known_faces_emb, knownImg

def match_faces(faces_emb, known_faces_emb, threshold):
    isExistDst = False
    distance = (known_faces_emb[0] - faces_emb[0]).norm().item()
    if(distance < threshold):
        isExistDst = True
    return isExistDst

if __name__ == '__main__':
    # 获取设备
    device = torch.device('cuda:0' if torch.cuda.is_available() else 'cpu')
    # mtcnn模型加载
    mtcnn = MTCNN(min_face_size=12, thresholds=[0.2, 0.2, 0.3],keep_all=True, device=device)
    # InceptionResnetV1模型加载
    resnet = InceptionResnetV1(pretrained='vggface2').eval().to(device)
    MatchThreshold = 0.8    # ⼈脸特征向量匹配阈值设置
    known_faces_emb, _ = load_known_faces('lyf.jpg',mtcnn, resnet)  # 已知⼈物图
    faces_emb, img = load_known_faces('lyf2.jpg', mtcnn,resnet) # 待检测⼈物图
    isExistDst = match_faces(faces_emb, known_faces_emb, MatchThreshold)
# ⼈脸匹配
    if isExistDst:
        boxes, prob, landmarks = mtcnn.detect(img, landmarks=True) 
        print('匹配')
    else:
        print('不匹配')

5. 结果

二、初步学习flask

1. 安装flask

下载flask

pip install flask

2. 第一个简单的实验

代码如下：

from flask import Flask
app = Flask(__name__)
@app.route('/user')
def hello_world():
    return 'hello user'

@app.route('/user/<userid>')
def hello_userid(userid):
    return 'hello user'+userid

if __name__=='__main__':
    app.run(debug=True,port=9989,use_reloader=False) 

在jupyter运行的时候需要设置use_reloader=False，在idle和pycharm运行时则不再需要。

结果：

3. 第二个小实验

代码如下：

from flask import Flask
app = Flask(__name__)
@app.route('/user')
def hello_world():
    return 'hello user'

@app.route('/user/<userid>')
def hello_userid(userid):
    return 'hello user'+userid

if __name__=='__main__':
    app.run(debug=True,port=9989,use_reloader=False) 

在jupyter运行的时候需要设置use_reloader=False，在idle和pycharm运行时则不再需要。

结果：