OpenFace 調試記錄

1.OpenFace 是 卡耐基梅隴（CMU）大學的一個圖像+機器學習項目，總體程序包含：人臉發現，特徵提取，特徵神經網絡訓練，人臉識別這四部分。

　　github   https://github.com/cmusatyalab/openface/

　　API文檔  http://openface-api.readthedocs.io/en/latest/index.html

　　website  http://cmusatyalab.github.io/openface/

2.安裝

　　官方安裝說明    http://cmusatyalab.github.io/openface/setup/

　　說的不是很詳細，不少關鍵依賴以及基本概念並無講清楚。很容易致使安裝、編譯失敗。

　　2.1操做系統

　　　　只支持Linux 和OSX，官方強烈推薦使用docker鏡像來使用，不過爲了運行加速或自主修改，仍是建議你們從源碼搭建。

　　　　OpenFace已經在ubuntu14.04和OSX10.10上成功測試。

　　　　我使用ubuntu14.04.5 https://mirror.tuna.tsinghua.edu.cn/ubuntu-releases/14.04.5/ubuntu-14.04.5-desktop-amd64.iso

　　2.2從頭安裝

　　　　個人實驗室位置在西安，更換中科大的軟件源超屌  http://mirrors.ustc.edu.cn trasty ，如下全部依賴的安裝速度均與網速有關，也可能跟長城有關，安裝時還須要耐心等待。若某一步安裝不成功能夠重啓計算機從新安裝。

　　　　sudo apt-get update

　　　　sudo apt-get install ssh git curl zsh vim #安裝基本工具

　　　　sudo -i #進入root，基本上主要程序都放在/root/目錄下，只有openface源碼放在/home/usr/也能夠。

 

　　　　#安裝必要依賴

1 sudo apt-get install build-essential cmake gfortran  libatlas-dev libavcodec-dev libavformat-dev libboost-all-dev libgtk2.0-dev libjpeg-dev liblapack-dev libswscale-dev pkg-config python-dev python-pip wget zip

 

　　　　#必要的數值計算庫

1 　　　　pip2 install numpy -i https://pypi.tuna.tsinghua.edu.cn/simple #選擇下載鏡像，能夠加速，
2 
3 　　　　pip2 install scipy #numpy安裝成功後，scipy總失敗，reboot以後就行了
4 
5 　　　　pip2 install pandas
6 
7 　　　　pip2 install scikit-learn
8 
9 　　　　pip2 install scikit-image #發現安裝慢也可使用 sudo apt-get install python-skimage的方式

 

　　　　#安裝Torch 基於lua的科學計算工具，其包管理器是luarocks。

 1 　　　　sudo apt-get install luarocks
 2 
 3 　　　　curl -s https://raw.githubusercontent.com/torch/ezinstall/master/install-deps  | bash -e  #安裝Torch的依賴庫
 4 
 5 　　　　git clone https://github.com/torch/distro.git ~/torch --recursive #源碼
 6 
 7 　　　　cd torch
 8 
 9 　　　　bash install-deps  #(cloning openblas)
10 
11 　　　　./install.sh #源碼安裝torch 若是網絡被牆也能夠從www.pandaroll.cn/openface/torch.tar.gz 下載 ，解壓：tar -xvf torch.tar.gz

 

　　　　#再安裝torch須要的依賴，下載

 1 　　　　~/torch/install/bin/luarocks install moses #若安裝很慢能夠從源碼解壓後直接安裝，下載：www.pandaroll.cn/openface/Moses-master.zip 而後在終端輸入~/torch/install/bin/luarocks install Moses-master/rockspec/moses-1.4.0-1.rockspec
 2 
 3 　　　　~/torch/install/bin/luarocks install torchx #www.pandaroll.cn/openface/torchx-master.zip
 4 
 5 　　　　~/torch/install/bin/luarocks install nn #www.pandaroll.cn/openface/nn-master.zip
 6 
 7 　　　　~/torch/install/bin/luarocks install dpnn #www.pandaroll.cn/openface/dpnn-master.zip
 8 
 9 　　　　~/torch/install/bin/luarocks install csvigo #www.pandaroll.cn/openface/lua---csv-master.zip
10 
11 　　　　~/torch/install/bin/luarocks install fblualib #www.pandaroll.cn/openface/fblualib-master.zip
12 
13 　　　　~/torch/install/bin/luarocks install optim #www.pandaroll.cn/openface/optim-master.zip

 

 

　　　　#安裝opencv

1 　　　　sudo apt-get install libjpeg-dev libpng-dev libtiff-dev libjasper-dev
2 
3 　　　　sudo apt-get -qq install libopencv-dev build-essential checkinstall cmake pkg-config yasm libjpeg-dev libjasper-dev libavcodec-dev libavformat-dev libswscale-dev libdc1394-22-dev libxine-dev libgstreamer0.10-dev libgstreamer-plugins-base0.10-dev libv4l-dev python-dev python-numpy libtbb-dev libqt4-dev libgtk2.0-dev libmp3lame-dev libopencore-amrnb-dev libopencore-amrwb-dev libtheora-dev libvorbis-dev libxvidcore-dev x264 v4l-utils

　　　　下載opencv https://github.com/Itseez/opencv/archive/2.4.11.zip 或 http://www.pandaroll.cn/openface/ocv.zip

 1 　　　　cd ~
 2 
 3 　　　　unzip ocv.zip
 4 
 5 　　　　cd opencv-2.4.11
 6 
 7 　　　　mkdir release
 8 
 9 　　　　cd release
10 
11 　　　　cmake -G "Unix Makefiles" -D CMAKE_CXX_COMPILER=/usr/bin/g++ CMAKE_C_COMPILER=/usr/bin/gcc -D CMAKE_BUILD_TYPE=RELEASE -D CMAKE_INSTALL_PREFIX=/usr/local -D WITH_TBB=ON -D BUILD_NEW_PYTHON_SUPPORT=ON -D WITH_V4L=ON -D INSTALL_C_EXAMPLES=ON -D INSTALL_PYTHON_EXAMPLES=ON -D BUILD_EXAMPLES=ON -D WITH_QT=ON -D WITH_OPENGL=ON -D BUILD_FAT_JAVA_LIB=ON -D INSTALL_TO_MANGLED_PATHS=ON -D INSTALL_CREATE_DISTRIB=ON -D INSTALL_TESTS=ON -D ENABLE_FAST_MATH=ON -D WITH_IMAGEIO=ON -D BUILD_SHARED_LIBS=OFF -D WITH_GSTREAMER=ON ..
12 
13 　　　　sudo make all -j4 #cpu是4核
14 
15 　　　　sudo make install #若報錯硬件問題或操做系統問題，多是過熱問題，換個主板或計算機，最好是臺式機。

　　　　#安裝無報錯後將cv2.so 考到python目錄下

　　　　cp /lib/cv2.so /usr/local/lib/python2.7/dist-packages

　　　　#安裝dlib

　　　　下載dlib https://github.com/davisking/dlib/releases/download/v18.16/dlib-18.16.tar.bz2

　　　　若難如下載,也能夠 www.pandaroll.cn/opencv/dlib-18.16.tar.bz2

 1 　　　　cp dlib-18.16.tar.bz2 ~/src
 2 
 3 　　　　cd src
 4 
 5 　　　　tar xf dlib-18.16.tar.bz2
 6 
 7 　　　　cd dlib-18.16/python_examples
 8 
 9 　　　　mkdir build
10 
11 　　　　cd build
12 
13 　　　　cmake ../../tools/python
14 
15 　　　　cmake --build . --config Release
16 
17 　　　　sudo cp dlib.so /usr/local/lib/python2.7/dist-packages

　　　　#到目前，opencv 和 dlib應該安裝好了，測試一下安裝成功否：

1 　　　　python
2 
3 　　　　import cv2
4 
5 　　　　import dlib

　　　　#若都成功，則繼續下面的步驟

　　　　#安裝openface

1 　　　　git clone https://github.com/cmusatyalab/openface.git #若下載太慢則：www.pandaroll.cn/openface/openface.zip ,而後解壓unzip openface.zip，能夠放到/home/usr/目錄下面。
2 
3 　　　　git submodule init 
4 
5 　　　　git submodule update 
6 
7 　　　　cd openface
8 
9 　　　　sudo python2 setup.py install

　　　　#獲取模型

1 　　　　cd models/get-models.sh #若下載太慢
2 
3 　　　　則下載 www.pandaroll.cn/openface/shape_predictor_68_face_landmarks.dat.bz2 ，放入 models/dlib中
4 
5 　　　　bunzip2 shape_predictor_68_face_landmarks.dat.bz2 
6 
7 　　　　下載 www.pandaroll.cn/openface/celeb-classifier.nn4.small2.v1.pkl ，放入 models/openface中
8 
9 　　　　下載 www.pandaroll.cn/openface/nn4.small2.v1.t7 ，放入 models/openface中

========================安裝完成==========

3.測試

　　3.1demo1    #進入sudo -i root模式

　　　　計算不一樣面孔之間的類似度距離：

　　　　

1 　　　　cd openface
2 
3 　　　　./demos/compare.py images/examples/{lennon-1.jpg,clapton-1.jpg}

　　運行結束後會給出一個結果:l2距離是1.132

　　　　 

1 　　　　./demos/compare.py images/examples/{lennon-1.jpg,lennon-2.jpg}

　　　　

　　　　運行結束後會給出一個結果:l2距離是0.763

　　　　發現：同一我的的確更類似。

　　3.2訓練一個分類器

　　　　須要人臉原圖，每一個圖包含一我的臉，每一個人臉15張圖。不一樣的人的照片放入不一樣的文件夾下。例如我收集了我本身和妹子的分別15張照片。一共至關於2我的，可是有幾我的就分幾個文件夾便可。將這幾個文件夾放入同一個目錄。

　　　　

1 　　　　cd openface
2 
3 　　　　mkdir training-images
4 
5 　　　　cp -r siyi/ openface/traning-images
6 
7 　　　　cp -r naixin/ openface/traning-images

　　　　#人臉發現和矯正和裁剪 對其的新照片將放入/aligned-images/目錄中，是96*96的正方形圖片：

1 　　　　./util/align-dlib.py ./training-images/ align outerEyesAndNose ./aligned-images/ --size 96 

　　　　

　　　　#提特徵，每一個人臉128個特徵點，新特徵爲csv文件，放入了/generated-embeddings/目錄中：

1 　　　　./batch-represent/main.lua -outDir ./generated-embeddings/ -data ./aligned-images

　　　　#訓練本身的面部檢測模型，是最基本的SVM模型：classifier.pkl 會放入generated-embeddings/目錄下：

1 　　　　./demos/classifier.py train ./generated-embeddings/　　

　　　　#獲取一張不在數據集中的照片，利用分類器檢測並歸屬而後會獲得一個屬於哪一個名字的結果 和 一個可信度數值：

　　　　　　　新照片siyitest1.jpg：　 

1 　　　　./demos/classifier.py infer ./generated-embeddings/classifier.pkl siyitest1.jpg

　　　　

分類器會給出分類結果和可信度，通常一樣的人的可信度在99%左右，未在分類器中的人會低於80%。

　　3.3web-demo

1 　　　　sudo pip install -r demos/web/requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple
2 
3 　　　　./demos/web/start-servers.sh

安裝一個usb攝像頭，打開火狐瀏覽器：127.0.0.1：8000 能夠在線添加訓練，實時識別。

 　　　　

 

　　

==完==

 

喬思禕

 2017年3月20日