实时人脸检测与识别

这是一个基于 OpenCV、TensorFlow、MTCNN 和 FaceNet 的实时人脸检测与识别项目。中文版说明请见这里。人脸检测采用 MTCNN，人脸嵌入则基于 FaceNet。

工作流程

灵感来源

该代码受到以下几个项目的启发：

1. OpenFace。主要思路来源于 OpenFace，但由于我更倾向于使用 Python 和 TensorFlow，因此有了这个项目。

2. davidsandberg/facenet。

   facenet.py 取自 https://github.com/davidsandberg/facenet/blob/master/facenet/src/facenet.py

   nn4.py 取自 https://github.com/davidsandberg/facenet/blob/master/src/models/nn4.py

   detect_face.py 取自 https://github.com/davidsandberg/facenet/blob/master/src/align/detect_face.py

3. yobibyte/yobiface。

依赖项

1. TensorFlow
2. 带有 Python 绑定的 OpenCV（cv2）
3. Jupyter Notebook，用于运行 .ipynb 示例

运行步骤

1. 从 https://github.com/yobibyte/yobiface/blob/master/model/model-20160506.ckpt-500000 下载预训练的 FaceNet 模型，并将其放入 model_check_point 文件夹中。

2. 使用 Jupyter Notebook 运行 real time face detection and recognition.ipynb。

结果

real_time_face_recognition 快速上手指南

本项目基于 OpenCV、TensorFlow、MTCNN 和 FaceNet，实现实时人脸检测与识别功能。

环境准备

系统要求

• 操作系统：Linux / macOS / Windows
• Python 版本：建议 Python 3.6+
• 硬件：建议使用支持 CUDA 的 GPU 以获得更佳性能（可选）

前置依赖

请确保已安装以下核心库：

1. TensorFlow
2. OpenCV (需包含 python bindings, 即 cv2)
3. Jupyter Notebook (用于运行示例代码)

国内加速建议： 安装 Python 依赖时，推荐使用清华或阿里镜像源以提升下载速度：

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple tensorflow opencv-python jupyter

安装步骤

1. 克隆项目代码

git clone https://github.com/shanren7/real_time_face_recognition.git
cd real_time_face_recognition

2. 下载预训练模型

本项目依赖 FaceNet 预训练模型。请从以下地址下载模型文件：

• 源地址: model-20160506.ckpt-500000
• 操作: 将下载好的模型文件放入项目根目录下的 model_check_point 文件夹中。 (若该文件夹不存在，请手动创建)

mkdir -p model_check_point
# 请将下载好的模型文件移动至此目录

基本使用

本项目主要通过 Jupyter Notebook 进行演示和运行。

启动服务

在项目根目录下运行以下命令启动 Jupyter：

jupyter notebook

运行示例

1. 在浏览器打开的 Jupyter 界面中，找到并点击文件： real time face detection and recognition.ipynb
2. 按顺序执行单元格（Cell），即可调用摄像头进行实时人脸检测与识别。

注意：运行前请确保摄像头权限已开启，且 model_check_point 目录下已正确放置模型文件。