Python基于MTCNN+FaceNet+SVM进行人脸识别项目实战 有视频讲解、代码（可运行）

使用MTCNN进行人脸识别，FaceNet进行特征提取的人脸识别系统源码 本项目为一个完整的人脸识别系统，该系统提供了如下功能：人脸识别、人脸特征提取、人脸对比

如果你对DFace感兴趣并且想参与到这个项目中, 以下TODO是一些需要实现的功能，我定期会更新，它会实时展示一些需要开发的清单。提交你的fork request,我会用issues来跟踪和反馈所有的问题。也可以加DFace的官方Q群 681403076 也可以加本人微信 jinkuaikuai005 TODO(需要开发的功能) 基于center loss 或者triplet loss原理开发人脸对比功能，模型采用ResNet inception v2. 该功能能够比较两张人脸图片的相似性。具体可以参考 Paper和FaceNet 反欺诈功能，根据光线，质地等人脸特性来防止照片攻击，视频攻击，回放攻击等。具体可参考LBP算法和SVM训练模型。 3D人脸反欺诈。 mobile移植，根据ONNX标准把pytorch训练好的模型迁移到caffe2,一些numpy算法改用c++实现。 Tensor RT移植，高并发。 Docker支持，gpu版 安装 DFace主要有两大模块，人脸检测和人脸识别。我会提供所有模型训练和运行的详细步骤。你首先需要构建一个pytorch和cv2的python环境

实现mtcnn的代码解析，具体的可以看进去的第一个mtcnn的py文件，里面的步骤非常清晰，代码是使用pytorch实现的，为最新版本的pytorch

mtcnn的matlab代码运行 2018旋转人脸检测 mtcnn demo.m是原始的mtcnn人脸检测 detect_RIP检测旋转人脸代码 本项目只训练了一个分类网络，其他数据都为测试评估用 代码运行环境caffe,matlab

使用mtcnn网络人脸检测，使用pyqt做界面，简单处理了一下实现人脸识别。

基于卡尔曼滤波改进的MTCNN网络人脸检测算法.pdf

facenet mtcnn人脸口罩识别python编写

基于mtcnn+facenet网络实现简单人脸检测识别系统python源码+训练好的模型文件+项目说明.7z 这两个工程都是keras模型, 所提供的模型文件都只有权重没有网络结构, 我利用作者提供的网络定义和权重文件重新生成了带有网络结构的权重文件. 比如原先只有权重的模型文件pnet.h5, 生成含网络结构和权重的模型文件PNET.h5. 接着用keras2onnx工具把它(PNET.h5)转换成了onnx模型pnet.onnx, 其他胶水部分的逻辑没什么变化. 具体的转换代码请参考keras_onnx.py文件. 【备注】主要针对正在做毕设的同学和需要项目实战的深度学习cv图像识别模式识别方向学习者。 也可作为课程设计、期末大作业。包含：项目源码、训练好的模型、项目操作说明等，该项目可直接作为毕设使用。 也可以用来学习、参考、借鉴。如果基础不错，在此代码上做修改，训练其他模型。

联合面检测与对准 使用多任务级联卷积网络的Caffe和Python实现联合人脸检测和对齐。 建立 设置环境并将C ++层代码复制到Caffe的源代码树。 $ export PYTHONPATH=/path/to/Joint-Face-Detection-and-Alignment:$PYTHONPATH $ export CAFFE_HOME=/path/to/caffe $ sh layers/copy.sh 按照其文档编译Caffe。 准备数据 下载数据集 ， 和 。 将它们放在如下所示的数据目录中。 data ├── CelebA │   └── img_celeba ├── fddb │ ├── FDDB-folds │ ├── images │ │   ├── 2002 │ │   └── 2003 │ └── result │ └── images └── WIDER ├── wider_face_split ├── WIDER_test ├── WIDER_train └── WIDER_val 我已经编