前言

本项目参考了ArcFace的损失函数，同时参考了PP-OCRv2模型结构，意在开发一个模型较小，但识别准确率较高且推理速度快的一种人脸识别项目，该项目训练数据使用emore数据集，一共有85742个人，共5822653张图片，使用lfw-align-128数据集作为测试数据。

源码地址：https://github.com/yeyupiaoling/PaddlePaddle-MobileFaceNets

数据集准备

本项目提供了标注文件，存放在dataset目录下，解压即可。另外需要下载下面这两个数据集，下载完解压到dataset目录下。

• emore数据集百度网盘
• lfw-align-128下载地址：百度网盘 提取码：b2ec

然后执行下面命令，将提取人脸图片到dataset/images，并把整个数据集打包为二进制文件，这样可以大幅度的提高训练时数据的读取速度。

python create_dataset.py

训练

执行train.py即可，更多训练参数请查看代码。

python train.py

评估

执行eval.py即可，更多训练参数请查看代码。

python eval.py

预测

本项目已经不教提供了模预测，模型文件可以直接用于预测。在执行预测之前，先要在face_db目录下存放人脸图片，每张图片只包含一个人脸，并以该人脸的名称命名，这建立一个人脸库。之后的识别都会跟这些图片对比，找出匹配成功的人脸。。这里使用的人脸检测是MTCNN模型，这个模型具有速度快，模型小的特点，源码地址：PaddlePaddle-MTCNN

如果是通过图片路径预测的，请执行下面命令。

python infer.py --image_path=temp/test.jpg

日志输出如下：

人脸检测时间：45ms
人脸识别时间：6ms
人脸对比结果： [('杨幂', 0.61594474), ('迪丽热巴', 0.37707973)]
人脸对比结果： [('迪丽热巴', 0.7290128), ('杨幂', 0.3993025)]
预测的人脸位置： [[156, 80, 214, 135, 1], [269, 67, 327, 121, 1]]
识别的人脸名称： ['杨幂', '迪丽热巴']
总识别时间：53ms

如果是通过相机预测的，请执行下面命令。

python infer_camera.py --camera_id=0