首先贴一下原文地址：http://tumumu.cn/2017/05/02/deep-learning-face/

以前在学习卷积神经网络的时候，发现了很多很有趣的demo，有一次发现了上面这个人脸识别的例子，不过当时还看不懂，经过一段时间之后决定试试能不能将上面的例子改一下，调以调参什么的，于是就有了这篇文章。本以为我的代码和原文没有什么太大的区别，应该不会出现什么错误，但是实际自己上手之后才会发现很多的问题。具体的程序安装，我这里就不再赘述了，大家可以参考原文，讲的很详细。下面我把我的代码贴出来。和原来的代码没有相差很多，就是改了一下中间的卷积层。自己实际操作还是学到了很多东西的。和原文相比，收集人脸和处理其他人脸的代码我都没有做太大的改变，只是去掉了原文代码中修改图片亮度和对比度的部分，所以我收集的图片都是一样的亮度和一样的对比度，这里就不贴这两部分的代码了。这里直接贴训练部分的代码和最后使用模型的代码。

import tensorflow as tf
import cv2
import numpy as np
import os
import random
import sys
from sklearn.model_selection import train_test_splitmy_faces_path = './gray_my_faces'
other_faces_path = './other_faces'#图片的大小采集的64*64
size = 64
imgs = []
labs = []#定义两个数组用来存放图片和标签
#这里是得到图片的大小，进行统一处理，将图片改成统一大小
def getPaddingSize(img):h,w,_ = img.shape#获得图片的宽和高还有深度top,bottom,left,right = (0,0,0,0)longest = max(h,w)if w < longest:tmp = longest - wleft = tmp // 2right = tmp - leftelif h < longest:tmp = longest - htop = tmp // 2bottom = tmp - topelse:passreturn top,bottom,left,rightdef readData(path,h=size,w=size):for filename in os.listdir(path):if filename.endswith('.jpg'):filename = path + '/' + filenameimg = cv2.imread(filename)top,bottom,left,right = getPaddingSize(img)#将图片放大，扩充图片边缘部分，这里不是很理解为什么要扩充边缘部分#可能是为了实现像padding的作用img = cv2.copyMakeBorder(img,top,bottom,left,right,cv2.BORDER_CONSTANT,value=[0,0,0])img = cv2.resize(img,(h,w))# 将对应的图片和标签存进数组里面imgs.append(img)labs.append(path)readData(my_faces_path)
readData(other_faces_path)#将图片数组与标签转换成数组，并给图片做上标签
imgs = np.array(imgs)
labs = np.array([[0,1] if lab == my_faces_path else [1,0] for lab in labs])#随机划分测试集和训练集，规定测试集的大小，这里是可以自己调的
train_x,test_x,train_y,test_y = train_test_split(imgs,labs,test_size=0.05,random_state=random.randint(0,100))#参数：图片数据的总数，图片的高、宽、通道
train_x = train_x.reshape(train_x.shape[0], size, size,3)
test_x = test_x.reshape(test_x.shape[0], size, size, 3)#将数据转换为小于1的数
train_x = train_x.astype('float32') / 255.0
test_x = test_x.astype('float32') / 255.0#输出一下获取的训练图片和测试图片的长度，也就是大小
print('train size:%s,test size:%s' % (len(train_x),len(test_x)))#图片块，每次取100张图片
batch_size = 100
#计算有多少个batch
num_batch = (len(train_x)) // batch_sizeinput = tf.placeholder(tf.float32,[None,size,size,3])
output = tf.placeholder(tf.float32,[None,2])#这里将input在进行处理一下
images = tf.reshape(input,[-1,size,size,3])keep_prob_5 = tf.placeholder(tf.float32)
keep_prob_75 = tf.placeholder(tf.float32)#下面开始进行卷积层的处理
#第一层卷积，首先输入的图片大小是64*64
def cnnlayer():conv1 = tf.layers.conv2d(inputs=images,filters=32,kernel_size=[5,5],strides=1,padding='same',activation=tf.nn.relu)#输出大小是(64*64*32)#第一层池化pool1 = tf.layers.max_pooling2d(inputs=conv1,pool_size=[2,2],strides=2)#输出大小是(32*32*32)#第二层卷积conv2 = tf.layers.conv2d(inputs=pool1,filters=32,kernel_size=[5,5],strides=1,padding='same',activation=tf.nn.relu)#输出大小是(32*32*32)#第二层池化pool2 = tf.layers.max_pooling2d(inputs=conv2,pool_size=[2,2],strides=2)#输出大小是(16*16*32)#第三层卷积conv3 = tf.layers.conv2d(inputs=pool2,filters=32,kernel_size=[5,5],strides=1,padding='same',activation=tf.nn.relu)#(变成16*16*32)#第三层池化pool3 = tf.layers.max_pooling2d(inputs=conv3,pool_size=[2,2],strides=2)#输出大小是(8*8*32)#第四层卷积conv4 = tf.layers.conv2d(inputs=pool3,filters=64,kernel_size=[5,5],strides=1,padding='same',activation=tf.nn.relu)#输出大小是(变成8*8*64）# pool3 = tf.layers.max_pooling2d(inputs=conv4,#                                 pool_size=[2,2],#                                 strides=2)#输出大小是(变成4*4*64)#卷积网络在计算每一层的网络个数的时候要细心一些，不然容易出错
#要注意下一层的输入是上一层的输出#平坦化flat = tf.reshape(conv4,[-1,8*8*64])#经过全连接层dense = tf.layers.dense(inputs=flat,units=4096,activation=tf.nn.relu)#drop_out处理drop_out = tf.layers.dropout(inputs=dense,rate=0.5)#输出层logits = tf.layers.dense(drop_out,units=2)return logits# yield logitsdef cnntrain():logits = cnnlayer()# logits = next(cnnlayer())#交叉熵损失函数cross_entropy = tf.reduce_mean(tf.nn.softmax_cross_entropy_with_logits(logits=logits,labels=output))#将训练优化方法改成GradientDescentOptimizer发现并没有加快收敛所以又改回AdamOptimizer#train_step = tf.train.GradientDescentOptimizer(0.01).minimize(cross_entropy)train_step = tf.train.AdamOptimizer(0.01).minimize(cross_entropy)# 比较标签是否相等，再求的所有数的平均值，tf.cast(强制转换类型)accuracy = tf.reduce_mean(tf.cast(tf.equal(tf.argmax(logits,1),tf.argmax(output,1)),tf.float32))#将loss与accuracy保存以供tensorboard使用tf.summary.scalar('loss',cross_entropy)tf.summary.scalar('accuracy',accuracy)#合并所有的Op为一个Opmerged_summary_op = tf.summary.merge_all()#数据保存器的初始化saver = tf.train.Saver()with tf.Session() as sess:sess.run(tf.global_variables_initializer())#把summary  Op返回的数据写到磁盘里summary_writer = tf.summary.FileWriter('./tmp',graph=tf.get_default_graph())for n in range(10):#每次取100(batch_size)张图片for i in range(num_batch):batch_x = train_x[i*batch_size : (i + 1) * batch_size]batch_y = train_y[i*batch_size : (i + 1) * batch_size]#开始训练数据，同时训练三个变量，返回三个数据，_,loss,summary = sess.run([train_step,cross_entropy,merged_summary_op],feed_dict={input: batch_x, output: batch_y})summary_writer.add_summary(summary, n * num_batch + i)# 打印损失print(n * num_batch + i, loss)if (n * num_batch + i) % 100 == 0:# 获取测试数据的准确率acc = accuracy.eval({input: test_x, output: test_y,keep_prob_5:1.0,keep_prob_75:1.0})print("第%f个batch，准确率%f" % (n*num_batch+i, acc))# 准确率大于0.98时保存并退出if acc > 0.98 and n > 2:saver.save(sess, './train_faces.model', global_step=n * num_batch + i)sys.exit(0)print('accuracy less 0.98, exited!')cnntrain()

再加上最后使用模型的代码。

import tensorflow as tf
import cv2
import numpy as np
import os
import random
import sys
from sklearn.model_selection import train_test_split
import dlibmy_faces_path = './my_faces'
other_faces_path = './other_faces'#将得到的自己的图片和其他图片进行处理
size = 64
imgs = []
labs = []#定义两个数组用来存放图片和标签
def getPaddingSize(img):h,w,_ = img.shape#获得图片的宽和高还有深度top,bottom,left,right = (0,0,0,0)longest = max(h,w)if w < longest:tmp = longest - wleft = tmp // 2right = tmp - leftelif h < longest:tmp = longest - htop = tmp // 2bottom = tmp - topelse:passreturn top,bottom,left,rightdef readData(path,h=size,w=size):for filename in os.listdir(path):if filename.endswith('.jpg'):filename = path + '/' + filenameimg = cv2.imread(filename)top,bottom,left,right = getPaddingSize(img)#将图片放大，扩充图片边缘部分，这里不是很理解为什么要扩充边缘部分img = cv2.copyMakeBorder(img,top,bottom,left,right,cv2.BORDER_CONSTANT,value=[0,0,0])img = cv2.resize(img,(h,w))imgs.append(img)labs.append(path)#将对应的图片和标签存进数组里面readData(my_faces_path)
readData(other_faces_path)#将图片数组与标签转换成数组
imgs = np.array(imgs)
labs = np.array([[0,1] if lab == my_faces_path else [1,0] for lab in labs])#随机划分测试集和训练集
train_x,test_x,train_y,test_y = train_test_split(imgs,labs,test_size=0.05,random_state=random.randint(0,100))#参数：图片数据的总数，图片的高、宽、通道
train_x = train_x.reshape(train_x.shape[0], size, size,3)
test_x = test_x.reshape(test_x.shape[0], size, size, 3)#将数据转换为小于1的数，二值化使处理变得更简单
train_x = train_x.astype('float32') / 255.0
test_x = test_x.astype('float32') / 255.0#获取训练图片和测试图片的长度，也就是大小
print('train size:%s,test size:%s' % (len(train_x),len(test_x)))#图片块，每次取100张图片
batch_size = 100
num_batch = (len(train_x)) // batch_size#计算总共多少轮input = tf.placeholder(tf.float32,[None,size,size,3])
output = tf.placeholder(tf.float32,[None,2])#输出加两个，true or false
#这里注意的是tf.reshape不是np.reshape
# images = tf.reshape(input,[-1,size,size,3])keep_prob_5 = tf.placeholder(tf.float32)
keep_prob_75 = tf.placeholder(tf.float32)#下面开始进行卷积层的处理
#第一层卷积，首先输入的图片大小是64*64
def cnnlayer():#第一层卷积conv1 = tf.layers.conv2d(inputs=input,filters=32,kernel_size=[5,5],strides=1,padding='same',activation=tf.nn.relu)#(64*64*32)
#第一层池化pool1 = tf.layers.max_pooling2d(inputs=conv1,pool_size=[2,2],strides=2)#(32*32*32)#第二层卷积conv2 = tf.layers.conv2d(inputs=pool1,filters=32,kernel_size=[5,5],strides=1,padding='same',activation=tf.nn.relu)#(32*32*32)#第二层池化pool2 = tf.layers.max_pooling2d(inputs=conv2,pool_size=[2,2],strides=2)#(16*16*32)#第三层卷积conv3 = tf.layers.conv2d(inputs=pool2,filters=32,kernel_size=[5,5],strides=1,padding='same',activation=tf.nn.relu)#(变成16*16*32)
#第三层池化pool3 = tf.layers.max_pooling2d(inputs=conv3,pool_size=[2,2],strides=2)#(8*8*32)#第四层卷积conv4 = tf.layers.conv2d(inputs=pool3,filters=64,kernel_size=[5,5],strides=1,padding='same',activation=tf.nn.relu)#(变成8*8*64）# pool3 = tf.layers.max_pooling2d(inputs=conv4,#                                 pool_size=[2,2],#                                 strides=2)#(变成4*4*6)#卷积网络在计算每一层的网络个数的时候要细心一些
#卷积层加的padding为same是不会改变卷积层的大小的
#要注意下一层的输入是上一层的输出
#平坦化flat = tf.reshape(conv4,[-1,8*8*64])#经过全连接层dense = tf.layers.dense(inputs=flat,units=4096,activation=tf.nn.relu)#drop_out，flat打错一次drop_out = tf.layers.dropout(inputs=dense,rate=0.2)#输出层logits = tf.layers.dense(drop_out,units=2)return logits# yield logits
out = cnnlayer()
# out = next(cnnlayer())
predict = tf.argmax(out,1)
saver = tf.train.Saver()
sess = tf.Session()
saver.restore(sess,tf.train.latest_checkpoint('.'))def is_my_face(image):res = sess.run(predict, feed_dict={input: [image / 255.0]})if res[0] == 1:return Trueelse:return False# 使用dlib自带的frontal_face_detector作为我们的特征提取器detector = dlib.get_frontal_face_detector()cam = cv2.VideoCapture(0)while True:_, img = cam.read()gray_image = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)dets = detector(gray_image, 1)if not len(dets):# print('Can`t get face.')cv2.imshow('img', img)key = cv2.waitKey(30) & 0xffif key == 27:sys.exit(0)for i, d in enumerate(dets):x1 = d.top() if d.top() > 0 else 0y1 = d.bottom() if d.bottom() > 0 else 0x2 = d.left() if d.left() > 0 else 0y2 = d.right() if d.right() > 0 else 0face = img[x1:y1, x2:y2]# 调整图片的尺寸face = cv2.resize(face, (size, size))print('Is this my face? %s' % is_my_face(face))cv2.rectangle(img, (x2, x1), (y2, y1), (255, 0, 0), 3)cv2.imshow('image', img)key = cv2.waitKey(30) & 0xffif key == 27:sys.exit(0)sess.close()

总结：经过这一次的学习，对卷积神经网络有了更深的理解，在我修改代码的时候，虽然只是修改中间的卷积层，但还是出现了很多的问题，感觉自己不是写的代码而是写的bug。期间被卡住了很久，不过在Stack Overflow的一些大佬帮助下还是解决了问题（虽然我没有提问，但是上面之前的一些回答帮助了我很多）。总而言之，自己动手撸一遍代码还是比只是看看学到的多啊。