facenet 人脸识别 python tensorflow

分为人脸检测，人脸矫正，特征提取，特征比对得出阈值！
人脸检测有基于opencv自带的haar级联分类器人脸检测，dlib人脸检测，seetaface漏斗式人脸检测，于士琪人脸检测，mtcnn人脸检测，本文中选择mtcnn人脸检测，该算法在FDDB上测试取得较好的效果，优于前者几个算法。mtcnn是基于深度学习，卷积神经网络的人脸检测算法！
人脸矫正就是把歪的人脸扭正。这样有利于特征提取，在一定程度上可以提高识别率，本文通过mtcnn定位人脸并回归得到人脸五个点的坐标，两个眼睛坐标，鼻子坐标喝嘴巴两角坐标，通过五个坐标的位置，利用仿射变换算法，把人脸矫正！
特征提取，决定识别率的关键步骤，本文使用的是inception-resnet网络，inception网络是谷歌发布的网络，resnet网络是微软提出的网络，两者结合，组合成更优的网络，本文在vggface2训练集上训练预训练模型，在预训练模型的基础上，训练中国人的数据集，使得在亚洲人脸上有更好的识别效果，单纯的使用国外的数据集，在实测中或者测试中国人的数据集，效果很差，lfw是人脸识别的验证集，训练vggface2数据集时可以在lfw上验证准确率！
特征比对，上一步提取特征了，可以提取128维特征向量，两个人脸分别提取128维特征向量，听过计算两个特征向量的余弦距离或者欧式距离，得出两个特征向量的相似度即两个人脸的相似度，就可以判断两个人脸是否是同一个人了，余弦距离是两个向量间的角度，可以归一化到0到1，越接近1，表示两个人脸越相似，欧式距离表示两个向量空间的距离，两个向量空间距离越近，表示两个人越相似，最小值为0！