基于 MTCNN/TensorFlow 实现人脸检测

   人脸检测方法有许多，比如opencv自带的人脸Haar特征分类器和dlib人脸检测方法等。对于opencv的人脸检测方法，有点是简单，快速；存在的问题是人脸检测效果不好。正面/垂直/光线较好的人脸，该方法可以检测出来，而侧面/歪斜/光线不好的人脸，无法检测。因此，该方法不适合现场应用。对于dlib人脸检测方法 ，效果好于opencv的方法，但是检测力度也难以达到现场应用标准。

        MTCNN是基于深度学习的人脸检测方法，对自然环境中光线，角度和人脸表情变化更具有鲁棒性，人脸检测效果更好；同时，内存消耗不大，可以实现实时人脸检测。

       代码如下：

[python] view plain copy

1. from scipy import misc  
2. import tensorflow as tf  
3. import detect_face  
4. import cv2  
5. import matplotlib.pyplot as plt  
6. %pylab inline  
7.   
8. minsize = 20 # minimum size of face  
9. threshold = [ 0.6, 0.7, 0.7 ]  # three steps's threshold  
10. factor = 0.709 # scale factor  
11. gpu_memory_fraction=1.0  
12.   
13.   
14. print('Creating networks and loading parameters')  
15.   
16. with tf.Graph().as_default():  
17.         gpu_options = tf.GPUOptions(per_process_gpu_memory_fraction=gpu_memory_fraction)  
18.         sess = tf.Session(config=tf.ConfigProto(gpu_options=gpu_options, log_device_placement=False))  
19.         with sess.as_default():  
20.             pnet, rnet, onet = detect_face.create_mtcnn(sess, None)  
21.   
22. image_path = '/home/cqh/faceData/multi_face/multi_face3.jpg'              
23.   
24. img = misc.imread(image_path)              
25. bounding_boxes, _ = detect_face.detect_face(img, minsize, pnet, rnet, onet, threshold, factor)  
26. nrof_faces = bounding_boxes.shape[0]#人脸数目  
27. print('找到人脸数目为：{}'.format(nrof_faces))  
28.   
29. print(bounding_boxes)  
30.   
31. crop_faces=[]  
32. for face_position in bounding_boxes:  
33.     face_position=face_position.astype(int)  
34.     print(face_position[0:4])  
35.     cv2.rectangle(img, (face_position[0], face_position[1]), (face_position[2], face_position[3]), (0, 255, 0), 2)  
36.     crop=img[face_position[1]:face_position[3],  
37.              face_position[0]:face_position[2],]  
38.       
39.     crop = cv2.resize(crop, (96, 96), interpolation=cv2.INTER_CUBIC )  
40.     print(crop.shape)  
41.     crop_faces.append(crop)  
42.     plt.imshow(crop)  
43.     plt.show()  
44.       
45. plt.imshow(img)  
46. plt.show()  

        实验效果如下：

                                     

                                         

                                        

          再上一组效果图：

         关于MTCNN，更多资料可以参见：https://kpzhang93.github.io/MTCNN_face_detection_alignment/index.html?from=timeline&isappinstalled=1

欢迎大家参考我复现的https://github.com/AITTSMD/MTCNN-Tensorflow，欢迎提出宝贵意见~