【人脸检测+识别】基于FaceNet的人脸识别课堂签到系统（带GUI界面）

未经作者允许，本文禁止转载

效果图：

实际图 ：

1. 人脸数据库采集界面：

2. 人脸签到界面：

（可载入本地视频或者摄像头实时视频）

4. 源码：

（需要权重文件的请私聊）

项目已经上传到Github：https://github.com/Sharpiless/Face-recognition-for-classroom-sign-in

算法简介：

该模块通过卷积神经网络将人脸图像映射为一个一维的特征向量，任何对比检测人脸特征和数据库中人脸的特征在特征空间的距离，从而计算人脸相似度并进行人脸匹配和识别，其基本流程为：

• 使用MTCNN检测人脸区域并进行裁剪；
• 使用FaceNet模型直接将人脸图像转换到特征空间的一维特征向量。即通过一个深度的卷积神经网络，利用卷积层和池化层进行高层特征计算和下采样得到特征向量，这些特征向量的空间距离的长度就代表了特征的相似度，从而能够进行人脸匹配；
• 得到检测人脸的特征向量后，通过计算该人脸的特征向量与数据库中已经计算的人脸特征的距离来匹配人脸，并设置阙值来过滤陌生人脸；
  
  

总结：

本文调研并比对了不同人脸识别方法，重点介绍了本文开发的基于FaceNet的人脸识别系统的原理。并且本文基于FaceNet开发了一套完整可行的人脸识别系统，功能包括：截取实时视频，检测和切割人脸图片，人脸特征匹配和识别等。实验结果表明该模型具有很好地精度。此外我们使用了用于人机交互的UI界面，实现了良好的用户体验。并且该模型具有较高的准确度，在LWF数据集上的精度达到了98%。
可以改进的地方有：由于国内并无大型人脸数据库，本实验在LFW数据集上进行，对欧美人脸识别精度高，但是在实际应用中，对亚裔人脸精度可能会有所下降。同时可以考虑使用TinySSD、YOLO-nano等轻量级网络代替MTCNN检测部分，从而降低检测的计算复杂度，提高检测的速度。

联系我们：

权重文件需要的或者对AI志同道合的炼丹师请私戳作者~

联系我时请备注AI爱好者，我会拉你进交流群~

扫描二维码关注公众号，回复： 11354395 查看本文章

该群会定时分享各种源码和模型，之前分享过的请从群文件中下载~