基于Tensorflow框架的人脸检测总结附代码（持续更新）

  基于Tensorflow框架的人脸匹配总结附代码（持续更新）
  基于Tensorflow框架的人脸对齐、人脸关键点检测总结附代码（持续更新）
  基于Tensorflow框架的人脸活体检测、人脸属性总结附代码（持续更新）

  最近利用人脸开源数据库WIDER FACE、64_CASIA-FaceV5、CelebA、300W_LP以及自己做的一个近200张照片的私人数据集复现了人脸检测、人脸匹配、人脸对齐、人脸关键点检测、活体检测、人脸属性等功能，并且将其集成在微信小程序中，以上所有内容将用大概5篇博客来总结。所有数据集下载链接附在下方，所有完整代码附在GitHub链接

WIDER FACE 数据集，包括32203个图像和393703个人脸图像，其中在尺度、姿势、遮挡、表情、装扮、光照等均有所不同。

LFW数据集，是目前人脸识别的常用测试集，其中提供的人脸图片均来源于生活中的自然场景，因此识别难度会增大，尤其由于多姿态、光照、表情、年龄、遮挡等因素影响导致即使同一人的照片差别也很大。并且有些照片中可能不止一个人脸出现，对这些多人脸图像仅选择中心坐标的人脸作为目标，其他区域的视为背景干扰。LFW数据集共有13233张人脸图像，每张图像均给出对应的人名，共有5749人，且绝大部分人仅有一张图片。每张图片的尺寸为250X250，绝大部分为彩色图像，但也存在少许黑白人脸图片。

64_CASIA-FaceV5 该数据集包含了来自500个人的2500张亚洲人脸图片。

CelebA 包含10,177个名人身份的202,599张人脸图片，每张图片都做好了特征标记，包含人脸bbox标注框、5个人脸特征点坐标以及40个属性标记，广泛用于人脸相关的计算机视觉训练任务，可用于人脸属性标识训练、人脸检测训练以及landmark标记等。

300W_LP 该数据集是3DDFA团队基于现有的AFW，IBUG，HEPEP，FLWP等2D人脸对齐数据集，通过3DMM拟合得到的3DMM标注，并对姿态，光照，色彩等进行变化以及对原始图像进行flip(镜像)得到的一个大姿态3D人脸对齐数据集。

1. 人脸检测业务介绍

  人脸检测：实际上是在包含人脸的图像中，能够精确识别人脸位置，并用检测框（矩形框）标记，检测框位置通常由（x,y,w,h）四个参数控制，（x,y）为检测框左上角位置坐标，（w,h）代表矩形框的大小；另外也可以由（x1,y1,x2,y2）来表示，（x1,y1）表示矩形框的左上角坐标，（x2,y2）表示矩形框的右下角坐标。人脸检测问题实际上属于目标检测问题，因此，与目标检测方法互通，同时检测人脸
也是图像检测以及图像分割的问题，在得到人脸之后，方便进行接下来的人脸关键点定位以及人脸属性分析等问题。

  人脸检测评价指标：

  （1）检测率、误报率

  检测率：正确检出人脸数量 / 真实人脸数量 ； 误报率： 错误检测 / 总人脸数量

  每一个标记只允许有一个检测与之相对应（使用NMS，非极大值抑制）且重复检测视为错误检测

  （2）ROC曲线、PR曲线

  ROC曲线： ROC的全名叫做Receiver Operating Characteristic，中文名字叫“受试者工作特征曲线”，其主要分析工具是一个画在二维平面上的曲线——ROC 曲线。平面的横坐标是false positive rate(FPR)，纵坐标是true positive rate(TPR)。对某个分类器而言，我们可以根据其在测试样本上的表现得到一个TPR和FPR点对。这样，此分类器就可以映射成ROC平面上的一个点。调整这个分类器分类时候使用的阈值，我们就可以得到一个经过(0, 0)，(1, 1)的曲线，这就是此分类器的ROC曲线。 什么是ROC曲线？为什么要使用ROC?以及 AUC的计算

  PR曲线：PR曲线中的P代表的是precision（精准率），R代表的是recall（召回率），其代表的是精准率与召回率的关系，一般情况下，将recall设置为横坐标，precision设置为纵坐标。 PR曲线详解

  （3）速度：FPS（帧率）
  FPS：刷新率，帧率越大，画面越流畅；帧率越小，画面越有跳动感。
  一些概念的定义

  （4）IOU交并比：简单理解为 A∩B / A∪B

2. 人脸检测方法介绍

（1）传统人脸检测方法

  VJ框架：利用了积分图特征，使用Adaboost分类器辨别是否为人脸，计算量偏大，参数多。走近人脸检测（2）——VJ人脸检测器及其发展

  DPM：最早出现于是应用在目标检测当中，属于HOG算法（纹理特征）的改进，利用手工设计+分类器（SVM、Adaboost、随机森林）模型实现功能。DPM目标检测算法(毕业论文节选)

  Casecade：JDA算法（级联人脸检测模型）主要进行边缘分布和条件分布的自适应，同时适配两个分布，然后非常精巧地规到了一个优化目标里。用弱分类器迭代，最后达到了很好的效果，具体详解参考：上手实践ICCV2013的JDA（Joint Distribution Adaptation）方法
《小王爱迁移》系列之二：联合分布适配(JDA)方法简介

（2）从粗粒度到细粒度的级联模型

  Cascade CNN：使用尺度级联的方式检测人脸，通过不同尺寸的图片输入来达到较优效果，具体详解参考： 人脸检测——CascadeCNN

  Faceness-Net：通过根据面部部位的空间结构和排列来对面部部位的反应进行评分，从而从新的角度寻找面部。考虑到仅部分可见面部的挑战性情况，精心制定了评分机制。根据这一点，网络可以检测到严重遮挡和不受约束的姿势变化下的人脸，这是大多数现有人脸检测方法的主要困难和瓶颈。
  详解参考：人脸检测概述（不是人脸识别）

  MTCNN/ICC-CNN：使用多尺度级联方式，同时融合人脸+关键点多任务，主题框架类似于cascade。总体可分为P-Net、R-Net、和O-Net三层网络结构。
  详解参考：MTCNN工作原理

（3）通用目标检测算法 + 基于人脸问题的优化

  随着目标检测算法的不断创新优化，各种基础网络层出不穷：Face RCNN → SSH/RSA → SFD/DSF/AFD → PyramidBox → FaceBoxes → FaceGAN

上述方法部分简介参考博客：

  Face R-CNN
  PyramidBox 人脸检测算法
  人脸检测：Faceboxes(IJCB2017)
  FACEGAN: Facial Attribute Controllable rEenactment GAN

3. 人脸检测遇到的问题以及解决方法

（1）人脸可能出现在图像中的任何一个位置；

  解决方法：由于人脸可能出现在图像的任何位置，在检测时用固定大小的窗口对图像从上到下、从左到右扫描，判断窗口里的子图像是否为人脸，这称为滑动窗口技术（sliding window）。

（2）人脸可能有不同的大小；

  解决方法：提取多尺度特征以及对尺度不敏感的特征，同时考虑Anchor使用；

（3）人脸在图像中可能有不同的视角和姿态；

  解决方法：解决低头、侧脸、抬头下的人脸数据预处理问题，对算法进行拆解，对其主干网络、Anchor进行优化，同时挑选合适的loss达到提高性能的效果。

（4）人脸可能被部分遮挡；

  解决方法：人群密集时采集的数据，首先选择合适的图像预处理手段，对算法进行拆解后，同样选择合适的主干网络进行优化，选择合适的Anchor参数，使用NMS等目标检测算法。

（5）小人脸检测问题

  解决方法：解决感受野问题，进行数据增强处理，提取小尺度特征，择取合适的loss,以及选用改进的NMS算法等。

  人脸检测算法综述
  格灵深瞳：人脸识别最新进展以及工业级大规模人脸识别实践探讨 | 公开课笔记…

4. 基于Tensorflow + SSD编程实现

（1）SSD模型介绍

  SSD模型是一种one-stage 方法，属于端对端的训练，直接回归目标类别和位置，主干网络为VGGNet，将VGGNet的最后两层替换为卷积层，之后执行多次下采样，得到不同尺度特征图，根据特征图进行目标区域定位并作为检测层的输入，同时在检测层中定义Default bounding boxes，然后完成对类别分数、偏移量的预测。

  Anchor:特征图作为检测层的输入，在对其进行处理时，Anchor为特征图上的每一个点，每个点有C个通道，之后将Anchor映射到原图中，用以计算回归以及分类。

  Default box:特征图（mn）上存在m * n个单元，每个单元便是一个Anchor，且每个单元生成多个固定尺度和不同长宽比的区域便是box；假设特征图有mn个单元，每个单元对应 k 个default box，每个default box预测 c 个类别概率分布和4个坐标，则会生成 k*(c+4)*(m)*n个输出值。

  样本构造：
  正样本：根据真实GT box 找到最匹配的piror box 放入候选正样本集，与GTbox满足IOU > 0.5；
  负样本：难例挖掘（OHEM），正负样本比为1：3；

  SSD(Single Shot MultiBox Detector)模型介绍
  SSD模型详解

（2）人脸数据清洗以及数据打包

  WIDER FACE数据集标注有很多标签，其中有部分标签在做人脸检测过程中时不需要的，因此在此要有一个数据清洗的过程，同时呢在数据集处理结束后要将数据进行打包，方便后续模型的训练。

数据清洗关键代码如下：

#首先定义各种路径
rootdir = "E:/Python/widerface"

gtfile = "E:/Python/widerface/wider_face_split/wider_face_test_filelist.txt";

im_folder = "E:/Python/widerface/WIDER_test/images";

##这里可以是test也可以是val
fwrite = open("E:/Python/widerface/Main/test.txt", "w")
#首先是读取数据
with open(gtfile, "r") as gt:
    while(True):
        gt_con = gt.readline()[:-1]   #读取行内容
        if gt_con is None or gt_con == "":
            break
        im_path = im_folder + "/" + gt_con;		#利用路径拼接定义文件路径
        print(im_path)
        im_data = cv2.imread(im_path)			#读取图片数据
        if im_data is None:
            continue

        ##需要注意的一点是，图片直接经过resize之后，会存在更多的长宽比例，所以我们直接加pad
        sc = max(im_data.shape)
        im_data_tmp = numpy.zeros([sc, sc, 3], dtype=numpy.uint8)
        off_w = (sc - im_data.shape[1]) // 2
        off_h = (sc - im_data.shape[0]) // 2

        ##对图片进行周围填充，填充为正方形
        im_data_tmp[off_h:im_data.shape[0]+off_h, off_w:im_data.shape[1]+off_w, ...] = im_data
        im_data = im_data_tmp

        #cv2.imshow("1", im_data)
        #cv2.waitKey(0)
        numbox = int(gt.readline())			#定义numbox数量
        #numbox = 0
        bboxes = []
        for i in range(numbox):
            line = gt.readline()
            infos = line.split(" ")  		#取坐标
            #x y w h ---
            #去掉最后一个（\n）
            for j in range(infos.__len__() - 1):
                infos[j] = int(infos[j])

            ##注意这里加入了数据清洗
            ##保留resize到640×640 尺寸在8×8以上的人脸
            if infos[2] * 80 < im_data.shape[1] or infos[3] * 80 < im_data.shape[0]:
                continue

            bbox = (infos[0] + off_w, infos[1] + off_h, infos[2], infos[3])
            #cv2.rectangle(im_data, (int(infos[0]) + off_w, int(infos[1]) + off_h),
                           #(int(infos[0]) + off_w + int(infos[2]), int(infos[1]) + off_h + int(infos[3])),
                           #color=(0, 0, 255), thickness=1)
            bboxes.append(bbox)

        #cv2.imshow("1", im_data)
        #cv2.waitKey(0)

        filename = gt_con.replace("/", "_")
        fwrite.write(filename.split(".")[0] + "\n")

        cv2.imwrite("{}/JPEGImages/{}".format(rootdir, filename), im_data)

        xmlpath = "{}/Annotations/{}.xml".format(rootdir, filename.split(".")[0])
        writexml(filename, im_data, bboxes, xmlpath)

fwrite.close()

  在对数据进行打包时，利用了models-master中dataset_tools工具中create_pascal_tf_record.py文件，在进行微调之后，观察下面列出代码为数据打包的内容

  example = tf.train.Example(features=tf.train.Features(feature={
      'image/height': dataset_util.int64_feature(height),
      'image/width': dataset_util.int64_feature(width),
      'image/filename': dataset_util.bytes_feature(
          data['filename'].encode('utf8')),
      'image/source_id': dataset_util.bytes_feature(
          data['filename'].encode('utf8')),
      'image/key/sha256': dataset_util.bytes_feature(key.encode('utf8')),
      'image/encoded': dataset_util.bytes_feature(encoded_jpg),
      'image/format': dataset_util.bytes_feature('jpeg'.encode('utf8')),
      'image/object/bbox/xmin': dataset_util.float_list_feature(xmin),
      'image/object/bbox/xmax': dataset_util.float_list_feature(xmax),
      'image/object/bbox/ymin': dataset_util.float_list_feature(ymin),
      'image/object/bbox/ymax': dataset_util.float_list_feature(ymax),
      'image/object/class/text': dataset_util.bytes_list_feature(classes_text),
      'image/object/class/label': dataset_util.int64_list_feature(classes),
      'image/object/difficult': dataset_util.int64_list_feature(difficult_obj),
      'image/object/truncated': dataset_util.int64_list_feature(truncated),
      'image/object/view': dataset_util.bytes_list_feature(poses),
  }))
  return example

（3）人脸模型训练、调试与测试

  模型训练使用models-master中的model_main.py文件，同时使用ssd_resnet_v1_fpn_feature_extractor.py文件进行训练；

  修改ssd_resnet50_v1_fpn_shared_box_predictor_640x640_face_sync.config配置文件，代码如下：

#修改
train_config: {
 #fine_tune_checkpoint: "PATH_TO_BE_CONFIGURED/model.ckpt"
  batch_size: 12
  sync_replicas: true
  startup_delay_steps: 0
  replicas_to_aggregate: 8
  num_steps: 100000
  data_augmentation_options {
    random_horizontal_flip {
    }
  }
  data_augmentation_options {
    random_crop_image {
      min_object_covered: 0.0
      min_aspect_ratio: 0.75
      max_aspect_ratio: 3.0
      min_area: 0.75
      max_area: 1.0
      overlap_thresh: 0.0
    }
  }
  optimizer {
    momentum_optimizer: {
      learning_rate: {
        cosine_decay_learning_rate {
          learning_rate_base: .04
          total_steps: 1000 00
          warmup_learning_rate: .013333
          warmup_steps: 2000
        }
      }
      momentum_optimizer_value: 0.9
    }
    use_moving_average: false
  }
  max_number_of_boxes: 100
  unpad_groundtruth_tensors: false
}

  model_main.py中的核心代码：

  def extract_features(self, preprocessed_inputs):
    """Extract features from preprocessed inputs.

    Args:
      preprocessed_inputs: a [batch, height, width, channels] float tensor
        representing a batch of images.

    Returns:
      feature_maps: a list of tensors where the ith tensor has shape
        [batch, height_i, width_i, depth_i]
    """
    preprocessed_inputs = shape_utils.check_min_image_dim(
        129, preprocessed_inputs)

    with tf.variable_scope(
        self._resnet_scope_name, reuse=self._reuse_weights) as scope:
      with slim.arg_scope(resnet_v1.resnet_arg_scope()):
        with (slim.arg_scope(self._conv_hyperparams_fn())
              if self._override_base_feature_extractor_hyperparams else
              context_manager.IdentityContextManager()):
          _, image_features = self._resnet_base_fn(
              inputs=ops.pad_to_multiple(preprocessed_inputs,
                                         self._pad_to_multiple),
              num_classes=None,
              is_training=None,
              global_pool=False,
              output_stride=None,
              store_non_strided_activations=True,
              min_base_depth=self._min_depth,
              depth_multiplier=self._depth_multiplier,
              scope=scope)
          image_features = self._filter_features(image_features)
      depth_fn = lambda d: max(int(d * self._depth_multiplier), self._min_depth)
      with slim.arg_scope(self._conv_hyperparams_fn()):
        with tf.variable_scope(self._fpn_scope_name,
                               reuse=self._reuse_weights):
          base_fpn_max_level = min(self._fpn_max_level, 5)
          feature_block_list = []
          for level in range(self._fpn_min_level, base_fpn_max_level + 1):
            feature_block_list.append('block{}'.format(level - 1))
          fpn_features = feature_map_generators.fpn_top_down_feature_maps(
              [(key, image_features[key]) for key in feature_block_list],
              depth=depth_fn(self._additional_layer_depth),
              use_native_resize_op=self._use_native_resize_op)
          feature_maps = []
          for level in range(self._fpn_min_level, base_fpn_max_level + 1):
            feature_maps.append(
                fpn_features['top_down_block{}'.format(level - 1)])
          last_feature_map = fpn_features['top_down_block{}'.format(
              base_fpn_max_level - 1)]
          # Construct coarse features
          for i in range(base_fpn_max_level, self._fpn_max_level):
            last_feature_map = slim.conv2d(
                last_feature_map,
                num_outputs=depth_fn(self._additional_layer_depth),
                kernel_size=[3, 3],
                stride=2,
                padding='SAME',
                scope='bottom_up_block{}'.format(i))
            feature_maps.append(last_feature_map)
    return feature_maps

  之后利用models-master → research → object_detection →export_inference_graph.py文件将模型转化为pb文件，后续调试、测试代码为test_model.py以及相关代码，GitHub

（4）人脸检测模型优化改进策略

  更好的学习策略；
  更好的损失函数；
  更好的泛化技术；
  更好的预测方案；
  参考博客：调参：深度学习模型24种优化策略

总结：此部分代码基于tensorflow接口而进行训练、调试、测试等步骤，在之后模型训练中会改用其他方式。