人脸识别

整理归档的时候发现另一个好玩的

A. 项目信息

该项目为2018年秋季数据科学课程的final project,也可以点击此处查看 @B@L@O@C@K@E@D@ 这门课程的其他作业。

主要目的是识别重庆大学计算机学院老师的面部特征。

B. 技术步骤

在本项目中,你会看到:

  1. 使用爬虫获取老师的详细信息及照片
  2. 使用预训练的FaceNet-MTCNN模型来对图像进行人脸检测和对齐
  3. 将预训练的FaceNet模型发布到嵌入式平台(Movidius NCS)上,并完成查询系统的Demo

C.参考文档和代码

  1. Facenet的源码及预训练模型:https://github.com/davidsandberg/facenet (MIT License)
  2. Facenet源码解析:https://blog.csdn.net/u013044310/article/details/79556099
  3. NCSDK:https://github.com/movidius/ncsdk (Apache2.0 License)
  4. LFW数据集: http://vis-www.cs.umass.edu/lfw/lfw.tgz http://www.cs.columbia.edu/CAVE/databases/pubfig/download/lfw_attributes.txt
  5. NCS的调用:https://github.com/movidius/ncappzoo

D.训练及测试环境的声明

1.开发环境(Colab)

  • Ubuntu14.04
  • 处理器:Intel® Xeon® CPU @ 2.30GHz *2
  • 图形:Tesla K80

2.本地环境

  • Ubuntu18.04
  • 处理器:Intel® Core™ i5-7200U CPU @ 2.50GHz × 4
  • 图形:Intel® HD Graphics 620 (Kaby Lake GT2)
  • 安装有NCSDK,caffe,tensorflow框架

3.测试环境 (本地虚拟机,用于模拟Raspberry Pi 3 Model B+)

  • Ubuntu14.04
  • 内存:1GB
  • 摄像头像素:640.0 x 480.0
  • 算力扩展卡:Intel Movidius Neural Compute Stick1(参考算力:100Gflops 功率:1w)
  • 环境配置时安装了NCSDK,caffe,tensorflow框架

E.其他声明

  1. 所有的数据及数据使用均以学习交流为目的,而非营利。
  2. 爬虫获取的信息是来自2018-10-03的重庆大学计算机学院主页(http://www.cs.cqu.edu.cn/ )上的公开数据和信息
  3. 本项目使用MIT License

若需下载源码,可见http://file.loopy.tech/release/teach_computer_to_identify_teachers/src.tar.xz

若需下载测试包,可见http://file.loopy.tech/release/teach_computer_to_identify_teachers/testbag.tar.xz

本文总字数: 1223