docker安裝openface進行人臉識別

Google的Picasa和Apple的照片軟件早都已經實現基本的人臉識別功能了，你只要反覆不斷地告訴它們哪一個是你本身，哪一個是你家人，很快這兩款軟件能夠學會識別，並幫你自動把你的全部含有人臉的照片分類。目前這種技術已經開源，Openface在github上有7000多顆星星。

這裏有一篇中文介紹如何安裝使用，個人操做步驟略簡單，我是按照官方教程來的，用docker安裝，因此省掉一些步驟，但也遇到一些麻煩，在此一併說明。

1. 安裝docker並啓動，這個就不用多說了。在Mac上能夠還安裝一個Kitematic，能夠可視化的方式管理你的docker。

2. docker pull bamos/openface，按官方教程來，沒什麼可說的。

3. 運行container，按官方教程是這樣的：docker run -p 9000:9000 -p 8000:8000 -t -i bamos/openface /bin/bash，但實際上，由於咱們還須要把圖片拷進去，因此最好加一個-v參數，以便後續操做：docker run -p 9000:9000 -p 8000:8000 -v /local_directory:/remote_directory -t -i bamos/openface /bin/bash

4. 準備30張圖片，必定要2個不一樣的人的，圖片大小無所謂，可是最好只包含人臉，每人各15張，分別放在2個不一樣的目錄下。好比你的本地文件夾是/local_directory，那你必定要在這個文件夾下創建一個training-images的子文件夾，而後再在training-images這個子文件夾下用兩我的的名字再創建2個不一樣的文件夾，而後把照片放進去。我一開始沒有創建這個training-images子文件夾，繞了很多彎路。這一步操做是在本地環境下完成的，從下一步開始，咱們進入docker環境操做。

5. 開始自動剪裁：/root/openface/util/align-dlib.py ./training-images align outerEyesAndNose ./aligned-images/ --size 96，這一步的目的是讓機器自動把這30張照片修整成96x96的png文件，以便於後續處理。因此你前面那些照片大小無所謂就是這個意思。處理的結果就放在aligned-images目錄下，它下面會有2個文件夾，就是你放進去的那2我的的名字。

6. 對圖片進行批量處理：/root/openface/batch-represent/main.lua -outDir ./generated-embeddings/ -data ./aligned-images/，這一步會在generated-embeddings目錄下生成2個csv文件，labels.csv和reps.csv，labels.csv相對簡單，它只是說明了哪一張照片對應的是哪個人，reps.csv則是一大堆人類看不懂的數字。

7. 接下來開始訓練：/root/openface/demos/classifier.py train ./generated-embeddings，訓練的結果會在generated-embeddings目錄下生成一個classifier.pkl文件，這個是咱們最終想要的結果。

8. 而後你就能夠開始測試了，再拷一張不在訓練集中的照片進去，這張照片就不拘泥於只包括人臉了，能夠包括背景或者整個身體都無所謂，但最好不要放好幾我的的合影，否則機器不知道你要識別哪個人。假設照片文件名爲1.jpg，則執行/root/openface/demos/classifier.py infer ./generated-embeddings/classifier.pkl 1.jpg，若是照片中人是剛纔識別的2人之一，則通常識別準確度會在90%以上，若是不是的話，會低於80%。這裏能夠作一個頗有趣的實驗：測試你和某明星的臉部類似度，也許你能夠在此基礎上開發一個App?