トップページデータベース研究顔検知、顔識別顔識別(chen0040/keras-face,Python,TensorFlow 1.15 を使用)

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

次で配布されているソフトウエア

https://github.com/chen0040/keras-face

これは,顔検証と顔識別のソフトウエア.DeepFace, VGG16 + Siamese を使用.

手順の要点: Python 3.6, TensorFlow 1.15, Python の仮想環境(Windows では C:\venv\tf115py36)

ソフトウエア等の利用条件等は,利用者で確認すること.

謝辞:ソフトウエアの作者に感謝します

前準備

Git のインストール

Git の URL: https://git-scm.com/

Python 3.6 のインストール,pip と setuptools の更新,Python 開発環境のインストール

※ TensorFlow 1.15 に対応する Python は,3.6 や 3.7 など(3.8 は対応していない)(2020/06 時点).このページでは 3.6 を使って説明する.3.7 でも同様の手順になる.

最新版ではない TensorFlow を使う.そうした場合,運用を簡単にする(TensorFlow を間違ってアップデートしないなど)ために,venv を用いて,隔離された Python 仮想環境を作る方が便利かもしれない(必ずしも,そうする必要はない).その手順もここに示している.

Windows の場合

  1. Python 3.6 のインストール

    Python の URL: http://www.python.org/

    インストール手順の詳細は: 別ページで説明している.

    Windows では,Python 3.8 や 3.6 の共存は簡単.

  2. pip と setuptools の更新,Python 開発環境(JupyterLab, spyder)のインストール(Windows 上)

    コマンドプロンプトを管理者として実行し,次のコマンドを実行.

    Python の使用は「py -3.6」で行う.

    Windows での pip の実行では,コマンドプロンプトを管理者として実行することにする。

    [image]

    py -3.6 -m pip install -U pip setuptools
    py -3.6 -m pip install -U jupyterlab jupyter jupyter-console jupytext nteract_on_jupyter spyder
    

    隔離された Python 仮想環境を使用したいときは,次のような手順で, venv を用いて,隔離された Python 仮想環境を作る.

    • 隔離された Python 仮想環境の名前: tf115py36
    • 使用するPython のバージョン: 3.6
    • Python 仮想環境を置くディレクトリ: C:\venv\tf115py36

    コマンドプロンプトを管理者として実行し,次のコマンドを実行.

    Python の使用は「C:\venv\tf115py36\Scripts\activate.bat」の後,「python」で行う.

    py -3.6 -m pip install -U pip setuptools
    py -3.6 -m venv --system-site-packages C:\venv\tf115py36
    C:\venv\tf115py36\Scripts\activate.bat
    python -m pip install -U pip setuptools
    python -m pip install -U jupyterlab jupyter jupyter-console jupytext nteract_on_jupyter spyder
    

Ubuntu の場合

次の手順により,システム Python とは別に,pyenv を用いて Pytnon 3.6 をインストールする.(システム Python の設定は変えたくないため).

  1. pyenv のインストール

    Ubuntu での pyenv のインストール手順の詳細説明: 別ページで説明している.

    rm -rf ~/.pyenv
    cd /tmp
    git clone https://github.com/pyenv/pyenv.git ~/.pyenv
    cd ~/.pyenv
    git pull
    echo 'export PYENV_ROOT="${HOME}/.pyenv"' >> ~/.bashrc
    echo 'if [ -d "${PYENV_ROOT}" ]; then' >> ~/.bashrc
    echo '    export PATH=${PYENV_ROOT}/bin:$PATH' >> ~/.bashrc
    echo 'fi' >> ~/.bashrc
    echo -e 'if command -v pyenv 1>/dev/null 2>&1; then\n  eval "$(pyenv init -)"\nfi' >> ~/.bashrc
    exec $SHELL -l
    source ~/.bashrc
    sudo apt -y install --no-install-recommends make build-essential libssl-dev zlib1g-dev libbz2-dev libreadline-dev libsqlite3-dev wget curl llvm libncurses5-dev xz-utils tk-dev libxml2-dev libxmlsec1-dev libffi-dev liblzma-dev
    
  2. インストールできる Python 3.6 のバージョンの確認
    pyenv rehash 
    pyenv install -l | grep 3.6
    
  3. システム Python とは別に Python 3.6 をインストール (pyenv を使用)
    pyenv install 3.6.12
    

    [image]
  4. pyenv の Python 3.6 の有効化.

    端末で,次のコマンドを実行.

    pyenv shell 3.6.12
    

    Python の切り替えは次のようなコマンドで行う.

    • pyenv shell system
    • pyenv shell 3.6.12

    デフォルトで pyenv 配下の python 3.6.12 を使いたいときは, 次のように設定する

    echo 'pyenv shell 3.6.12' >> ~/.bashrc
    exec $SHELL -l
    
  5. pip と setuptools の更新,Python 開発環境(JupyterLab, spyder)のインストール(Ubuntu 上)

    インストールするには, 端末で,次のコマンドを実行.

    python -m pip install -U pip setuptools
    python -m pip install -U jupyterlab jupyter jupyter-console jupytext nteract_on_jupyter spyder
    

    隔離された Python 仮想環境を作成したいときは,次のような手順で, venv を用いて,隔離された Python 仮想環境を作る.

    • 隔離された Python 仮想環境の名前: tf115py36
    • 使用するPython のバージョン: 3.6
    • Python 仮想環境を置くディレクトリ: ~/tf115py36

    コマンドプロンプトを管理者として実行し,次のコマンドを実行.

    python -m pip install -U pip setuptools
    python -m venv --system-site-packages ~/tf115py36
    source ~/tf115py36/bin/activate
    python -m pip install -U pip setuptools
    python -m pip install -U jupyterlab jupyter jupyter-console jupytext nteract_on_jupyter spyder
    

(Windows を使う場合のみ)Visual C++ ビルドツール (Build Tools) のインストール

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

以下,Windows に Python, git, Visual C++ ビルドツール (Build Tools) をインストール済みであるものとして説明を続ける.

(NVIDIA GPU を使うとき)NVIDIA グラフィックスドライバのインストール

GPU とは,グラフィックス・プロセッシング・ユニットの略で、コンピュータグラフィックス関連の機能,乗算や加算の並列処理の機能などがある.

ダウンロードページ

詳細説明

(NVIDIA GPU を使うとき)NVIDIA CUDA ツールキット 10.0 のインストール

CUDA とは,NVIDIA社が提供している GPU 用のプラットフォームである.

指定されているバージョンより高いものは使わない. その根拠は次のページ. URL: https://www.tensorflow.org/install/source#common_installation_problems

詳細説明

(NVIDIA GPU を使うとき)NVIDIA cuDNN 7.6 のインストール

ダウンロードページ

TensorFlow 2.4 の GPU 版での,cuDNN のバージョンは 8.0.5(現時点で,NVIDIA CUDA ツールキット 11 で動く最新版).

TensorFlow 2.3, 2.2, 2.1 の GPU 版での,cuDNN のバージョンは 7.6.そして,TensorFlow 1.13 以上 TensorFlow 2.0 までの GPU 版での,cuDNN のバージョンは7.4 .それより高いバージョンよりは使わないこと.

詳細説明

TensorFlow 1.15(旧バージョン)のインストール

Python 3.6 を起動するコマンドを確認しておくこと.

Windows の場合

  1. コマンドプロンプトを実行する.
  2. 隔離された Python 仮想環境使用するときは,次のようなコマンドで有効化する.

    C:\venv\tf115py36\Scripts\activate.bat
    

    [image]
  3. TensorFlow のインストール

    Python の使用は,隔離された Python 仮想環境有効化の後,「python」で行う. Windows で,隔離された Python 仮想環境使用しないときは,「python」ではなく「py -3.6」を使う.

    python -m pip uninstall -y tensorflow tensorflow-cpu tensorflow-gpu tensorflow_datasets tensorflow-hub keras
    python -m pip install -U tensorflow==1.15.5 tensorflow_datasets tensorflow-hub keras==2.3.1 matplotlib opencv-python
    python -m pip install git+https://github.com/tensorflow/docs
    python -m pip install git+https://github.com/tensorflow/examples.git
    
  4. TensorFlow のバージョン確認

    python -c "import tensorflow as tf; print( tf.__version__ )"
    

    [image]
  5. (GPU を使うとき) GPU が認識できてるかの確認

    TensorFlow が GPU を認識できているかの確認は,端末で,次を実行して行う.

    python -c "from tensorflow.python.client import device_lib; print(device_lib.list_local_devices())"
    

Ubuntu の場合

  1. 端末を開く
  2. pyenv の Python 3.6 の有効化.

    端末で,次のコマンドを実行.

    pyenv shell 3.6.12
    

    隔離された Python 仮想環境使用するときは, 「pyenv shell 3.6.12」は実行しないで, 次のようなコマンドで Python 仮想環境を有効化する.

    source ~/tf115py36/bin/activate
    

    [image]
  3. TensorFlow のインストール

    Python の使用は,「python」で行う.

    python -m pip uninstall -y tensorflow tensorflow-cpu tensorflow-gpu tensorflow_datasets tensorflow-hub keras
    python -m pip install -U tensorflow==1.15.5 tensorflow_datasets tensorflow-hub keras==2.3.1 matplotlib opencv-python
    python -m pip install git+https://github.com/tensorflow/docs
    python -m pip install git+https://github.com/tensorflow/examples.git
    
  4. TensorFlow のバージョン確認

    python -c "import tensorflow as tf; print( tf.__version__ )"
    

    [image]
  5. (GPU を使うとき) GPU が認識できてるかの確認

    TensorFlow が GPU を認識できているかの確認は,端末で,次を実行して行う.

    python -c "from tensorflow.python.client import device_lib; print(device_lib.list_local_devices())"
    
    システムの環境変数:

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. Python 3.6 を起動するコマンドを確認しておく.
    • Windows の場合: 「py -3.6
    • Windows で Python 仮想環境 tf115py36 を使う場合: 「C:\venv\tf115py36\Scripts\activate.bat」の後,「python
    • Ubuntu の場合: 「pyenv shell 3.6.12」の後,「python
    • Ubuntu で Python 仮想環境 tf115py36 を使う場合: 「source ~/tf115py36/bin/activate」の後,「python
  2. 隔離された Python 仮想環境使用するときは,有効化する.

    Windows の場合での,有効化のコマンドの例.

    C:\venv\tf115py36\Scripts\activate.bat
    

    [image]

    Ubuntu の場合での,有効化のコマンドの例.

    source ~/tf115py36/bin/activate
    

    [image]

    以下,Windows での手順を示す.Ubuntu でも同様の手順になる.

  3. chen0040/keras-face のダウンロード

    cd C:\venv\tf115py36
    rmdir /s /q keras-face
    

    [image]

    git clone https://github.com/chen0040/keras-face
    cd keras-face
    

    [image]
  4. 前提パッケージのインストール

    python -m pip install -r requirements.txt
    

    [image]
  5. ファイルの移動

    C:\venv\tf115py36\keras-face\demo にあるファイルを丸ごと、

    C:\venv\tf115py36\keras-face移動

    その結果、次のようになる

    [image]
  6. data\images の下に、顔写真のファイルがあるので確認する

    [image]
  7. 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

    [image]

    Python プログラムを動かす.

  8. ディレクトリの移動

    cd C:\venv\tf115py36
    cd keras-face
    

    [image]
  9. 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。

    [image]

    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

    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()
    

    [image]
  10. 実行結果を確認する

    顔識別の結果が表示される

    [image]
  11. 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

    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()
    

    [image]
  12. 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

    [image]
  13. 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 camera_0.jpg が誰なのかを顔識別する。

    [image]
    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()
    

    [image]
  14. 実行結果を確認する

    顔識別の結果が表示される

    [image]