简介

该项目基于tensorflow框架，实现了人脸检测、人脸特征提取、人脸属性（包含年龄、性别）功能。

预训练模型：

1. opencv：

https://github.com/opencv/opencv/tree/master/data/haarcascades

2. dlib:

http://dlib.net/files/shape_predictor_68_face_landmarks.dat.bz2

3. facenet:

20180402-114759 https://drive.google.com/file/d/1EXPBSXwTaqrSC0OhUdXNmKSh9qJUQ55-/view

4. 年龄模型： https://drive.google.com/drive/folders/0B8N1oYmGLVGWbDZ4Y21GLWxtV1E

5. 性别模型： https://drive.google.com/drive/folders/0B8N1oYmGLVGWemZQd3JMOEZvdGs

下载完这些预训练的模型后，放到./pre_models文件夹下面。

功能模块

我们将人脸检测、人脸特征提取、人脸属性的功能进行组合。该项目支持以下几种组合：

• fd: 人脸检测；
• fr: 人脸检测和特征提取；
• fda: 人脸检测和人脸属性；
• fa: 人脸属性；
• fra: 人脸检测、特征提取以及人脸属性； 可以通过model_type这个参数来指定。

人脸检测

人脸检测模型包含：

• opencv
• dlib
• mtcnn

可以通过model_name这个参数来指定。

python demo.py --model_type 'fa' --model_name 'opencv' \
            --file_name './data/1.jpg' \
            --model_dir './pre_models/opencv/haarcascade_frontalface_default.xml'

人脸特征提取

需要将训练好的模型下载到pre_models中。

python demo.py --model_type 'fr' --model_name 'facenet' \
            --file_name './data/2.jpg' \
            --model_dir './pre_models/dlib/shape_predictor_68_face_landmarks.dat'

人脸属性

目前支持age以及gender，表情的代码在陆续开发中。

python demo.py --model_type 'fa' --model_name 'mtcnn' --file_name './data/2.jpg'