トップページ ▶ 人工知能，実世界DB ▶ 顔情報（顔検出，顔識別、表情判定，顔のクラスタリングや類似度や分類，肌色部分の抽出，瞳孔の検出，顔姿勢の推定） ▶ 顔識別（chen0040/keras-face，Python，TensorFlow 1.15 を使用）

サイトマップ

サイト内検索

用語集

アクセスログ

金子邦彦研究室

顔識別（chen0040/keras-face，Python，TensorFlow 1.15 を使用）

前準備

（Windows を使う場合のみ）マイクロソフト C++ ビルドツール (Build Tools) のインストール

「Visual Studio Community 2019 vesion 16.2, マイクロソフト C++ ビルドツールのインストール（Windows 上）」で説明している．

Python，TensorFlow 1.15 のインストール

すでに TensorFlow 2 を使っている，あるいは使う予定ということがありえる． 単純には，TensorFlow 2 と TensorFlow 1.15 を共存させて Python で使うということはできないが， 少しの手間で，共存できるようになる． そこで，TensorFlow 2 とTensorFlow 1.15 の共存を前提として， TensorFlow 1.15 のインストールを行う．

Windows の場合

Windows でのPython3.6，TensorFlow 1.15 のインストール：別ページで説明している．

すでにPython 3.9 あるいは Python 3.8 をインストールしている，あるいは，インストール予定という場合を想定し， あとのトラブルが起きにくい，そして，簡単に運用できるように 「Python 3.6 をインストールし，その上に，TensorFlow 1.15.5 をインストールする」という手順を案内している．

Ubuntu の場合

Ubuntu でのPython，TensorFlow 1.15 のインストール：別ページで案内している．

Ubuntu のシステム Python に影響を与えないように，隔離された Python 3.6 仮想環境の新規作成し，その上にTensorFlow 1.15.5 をインストールするという手順（venv を使用）（Ubuntu 上）を案内している．

Git のインストール

Git の URL: https://git-scm.com/

• Windows での Git のインストール手順: 別ページで説明している．
• Ubuntu での Git のインストール手順:

  sudo apt -y update
  sudo apt -y install git
  

顔識別（chen0040/keras-face，Python，TensorFlow 1.15 を使用）

Windows での手順を下に示す．Ubuntu でも同様の手順になる．

1. Windows で，コマンドプロンプトを管理者として実行する．
2. chen0040/keras-face のダウンロード

   mkdir c:\pytools
   cd c:\pytools
   rmdir /s /q keras-face
   

   git clone https://github.com/chen0040/keras-face
   cd keras-face
   
3. 前提パッケージのインストール

   py -3.6 -m pip install opencv-python numpy scipy pillow pandas h5py matplotlib scikit-learn tensorflow-gpu==1.15.5 keras==2.3.1
   
4. ファイルの移動

   c:\pytools\keras-face\demo にあるファイルを丸ごと、

   c:\pytools\keras-faceに移動

   その結果、次のようになる
5. data\images の下に、顔写真のファイルがあるので確認する
6. ファイルの編集

   エラーの回避のため．keras_face\library\face_net.py を次のように書き換える

   「np.set_printoptions(threshold=np.nan)」を削除
7. ディレクトリの移動

   cd c:\pytools
   cd keras-face
   
8. デモプログラム DeepFace を実行してみる

   このプログラムは camera_0.jpg が誰なのかを顔識別する。

   GitHub の chen0040/keras-face の Web ページに記載されている次のプログラムを実行

   py -3.6 を使用．

   from keras_face.library.face_net import FaceNet
   def main():
       model_dir_path = './models'
       image_dir_path = "./data/images"
       #
       fnet = FaceNet()
       fnet.load_model(model_dir_path)
       #
       database = {}
       database["danielle"] = fnet.img_to_encoding(image_dir_path + "/danielle.png")
       database["younes"] = fnet.img_to_encoding(image_dir_path + "/younes.jpg")
       database["tian"] = fnet.img_to_encoding(image_dir_path + "/tian.jpg")
       database["andrew"] = fnet.img_to_encoding(image_dir_path + "/andrew.jpg")
       database["kian"] = fnet.img_to_encoding(image_dir_path + "/kian.jpg")
       database["dan"] = fnet.img_to_encoding(image_dir_path + "/dan.jpg")
       database["sebastiano"] = fnet.img_to_encoding(image_dir_path + "/sebastiano.jpg")
       database["bertrand"] = fnet.img_to_encoding(image_dir_path + "/bertrand.jpg")
       database["kevin"] = fnet.img_to_encoding(image_dir_path + "/kevin.jpg")
       database["felix"] = fnet.img_to_encoding(image_dir_path + "/felix.jpg")
       database["benoit"] = fnet.img_to_encoding(image_dir_path + "/benoit.jpg")
       database["arnaud"] = fnet.img_to_encoding(image_dir_path + "/arnaud.jpg")
       #
       # verifies whether a particular camera image is a person in the image database
       dist, is_valid = fnet.verify(image_dir_path + "/camera_0.jpg", "younes", database)
       print('camera_0.jpg is' + (' ' if is_valid else ' not ') + 'yournes')
       dist, is_valid = fnet.verify(image_dir_path + "/camera_2.jpg", "kian", database)
       print('camera_0.jpg is' + (' ' if is_valid else ' not ') + 'yournes')
       #    
       # whether a particular camera image is which person in the image database (or not at all)
       dist, identity = fnet.who_is_it(image_dir_path + "/camera_0.jpg", database)
       if identity is None:
           print('camera_0.jpg is not found in database')
       else:
           print('camera_0.jpg is ' + str(identity))
   if __name__ == '__main__':
       main()
   
9. 実行結果を確認する

   顔識別の結果が表示される
10. デモプログラム VGG16 + Siamese の学習 を実行してみる

    このプログラムは、VGG16 + Siamese の学習を行うプログラムである。

    ※ １つ前のプログラムは、DeepFace 法（つまり別もの）

    データのダウンロードと、学習を行うので時間がかかる

    py -3.6 を使用．

    from keras_face.library.siamese import SiameseFaceNet
    def main():
        fnet = SiameseFaceNet()
        fnet.vgg16_include_top = True # default is False
        #
        model_dir_path = './models'
        image_dir_path = "./data/images"
        #
        database = dict()
        database["danielle"] = [fnet.img_to_encoding(image_dir_path + "/danielle.png")]
        database["younes"] = [fnet.img_to_encoding(image_dir_path + "/younes.jpg")]
        database["tian"] = [fnet.img_to_encoding(image_dir_path + "/tian.jpg")]
        database["andrew"] = [fnet.img_to_encoding(image_dir_path + "/andrew.jpg")]
        database["kian"] = [fnet.img_to_encoding(image_dir_path + "/kian.jpg")]
        database["dan"] = [fnet.img_to_encoding(image_dir_path + "/dan.jpg")]
        database["sebastiano"] = [fnet.img_to_encoding(image_dir_path + "/sebastiano.jpg")]
        database["bertrand"] = [fnet.img_to_encoding(image_dir_path + "/bertrand.jpg")]
        database["kevin"] = [fnet.img_to_encoding(image_dir_path + "/kevin.jpg")]
        database["felix"] = [fnet.img_to_encoding(image_dir_path + "/felix.jpg")]
        database["benoit"] = [fnet.img_to_encoding(image_dir_path + "/benoit.jpg")]
        database["arnaud"] = [fnet.img_to_encoding(image_dir_path + "/arnaud.jpg")]
        #
        fnet.fit(database=database, model_dir_path=model_dir_path)
    if __name__ == '__main__':
        main()
    
11. 実行結果を確認する

    エラーメッセージが出ていないこと
12. デモプログラム VGG16 + Siamese による顔判定 を実行してみる

    このプログラムは、VGG16 + Siamese の学習の結果を使うもの

    このプログラムも camera_0.jpg が誰なのかを顔識別する。

    from keras_face.library.siamese import SiameseFaceNet
    from functools import partial
    import numpy as np
    np.load = partial(np.load, allow_pickle=True) 
    def main():
        fnet = SiameseFaceNet()
        #
        model_dir_path = './models'
        image_dir_path = "./data/images"
        fnet.load_model(model_dir_path)
        #
        database = dict()
        database["danielle"] = [fnet.img_to_encoding(image_dir_path + "/danielle.png")]
        database["younes"] = [fnet.img_to_encoding(image_dir_path + "/younes.jpg")]
        database["tian"] = [fnet.img_to_encoding(image_dir_path + "/tian.jpg")]
        database["andrew"] = [fnet.img_to_encoding(image_dir_path + "/andrew.jpg")]
        database["kian"] = [fnet.img_to_encoding(image_dir_path + "/kian.jpg")]
        database["dan"] = [fnet.img_to_encoding(image_dir_path + "/dan.jpg")]
        database["sebastiano"] = [fnet.img_to_encoding(image_dir_path + "/sebastiano.jpg")]
        database["bertrand"] = [fnet.img_to_encoding(image_dir_path + "/bertrand.jpg")]
        database["kevin"] = [fnet.img_to_encoding(image_dir_path + "/kevin.jpg")]
        database["felix"] = [fnet.img_to_encoding(image_dir_path + "/felix.jpg")]
        database["benoit"] = [fnet.img_to_encoding(image_dir_path + "/benoit.jpg")]
        database["arnaud"] = [fnet.img_to_encoding(image_dir_path + "/arnaud.jpg")]
        #
        fnet.verify(image_dir_path + "/camera_0.jpg", "younes", database)
        fnet.verify(image_dir_path + "/camera_2.jpg", "kian", database)
        fnet.who_is_it(image_dir_path + "/camera_0.jpg", database)
    if __name__ == '__main__':
        main()
    
13. 実行結果を確認する

    顔識別の結果が表示される