本文介绍一下如何使用自己的数据集训练自己的人脸识别项目。

人脸识别

一、人脸数据集对齐

首先下载insightface源码，点击github链接下载（下载地址见第一个评论），也可以通过百度盘下载（下载地址见第一个评论），本文代码需在python2.7环境下运行，文章中所需的脚本文件下载地址（下载地址见第一个评论）。

在进行训练之前。首先要准备好自己的数据，数据的存放形式如下图所示，每个文件夹代表一个人，文件夹下放置属于这个人的多张照片。

人脸数据集按文件夹分类

人脸对齐

然后，需要对所有的照片中的人脸进行对齐处理，并把每张图片缩放到112x112。人脸对齐使用MTCNN，insightface中自带的就有MTCNN和其模型文件，拷贝face_alignment_by_mtcnn.py（在下载的脚本文件里）到deploy文件夹下，修改原始人脸数据文件夹和对齐后要保存的文件夹位置，如下图所示，然后直接运行该程序。

faces_path = r'F:\datasets\20_faces'	# 人脸数据文件夹output_path = r'F:\datasets\20_faces_clip'	# 对齐后保存人脸数据的文件夹

lst文件中主要包含图片的路径、标签、序号等信息，为后面制作数据文件做准备，lst文件中的信息如下图所示，第一列是打乱的序号，第二列是图片的地址，第三列是该图片所对应的的标签。

lst文件说明

开始制作

首先复制face2rec2_m.py文件到scr/data文件夹下，然后命令行窗口中输入以下命令：

python -u face2rec2_m.py --list True --prefix F:\datasets\20_faces_datasets\ --root F:\datasets\20_faces_clip\ --train-ratio 0.8 --test-ratio 0.2 --recursive True

参数解释：

--list:是否生成lst文件

--prefix:lst文件保存位置

--root:对齐后人脸数据存放位置

--train-ratio/--test-ratio:训练集和测试集的比例

三、生成rec文件制作proprety

创建文件proprety，注意没有后缀，以文本形式打开，写上以下内容，如下图所示，第一个数字代表类别总数，第二个和第三个数字代表人脸的尺寸。

制作proprety说明

生成rec文件

进入到face2rec2_m.py所在的目录，然后命令行窗口中输入以下命令：

python -u face2rec2_m.py --prefix F:\datasets\20_faces_datasets\ --root F:\datasets\20_faces_clip\ --train-ratio 0.8 --test-ratio 0.2 --recursive True

参数解释：

--prefix:lst文件保存位置

--root:对齐后的人脸数据存放位置

--train-ratio/--test-ratio:训练集和测试集的比例

然后会在指定目录生成idx和rec文件，idx文件是辅助生成rec的，rec是MXNet训练所需的数据格式。

四、生成bin文件制作pairs.txt

bin文件用于验证和测试，其内容是两两图片的结合，然后给出这两张图片的真实标签，1代表是同一个人，0代表不是同一个人，以此达到验证和测试的目的。

首先我们需要把所有的人脸数据两两结合起来，如下图所示，每一行是一个测试样本，其中前两个是两张图片的地址，最后一个数字代表这两张图片是不是同一个人，运行附件中write_pairs.py，程序中修改人脸数据目录和生成的文件要保存的目录，制作pairs.txt。

pairs.txt文件说明

生成bin文件

使用附件脚本中 修复MemoryError文件夹下的lfw2pack_m.py和flw_m.py，进入src/data目录下，运行以下命令：

python -u lfw2pack_m.py --txt-dir F:\datasets\20_faces_datasets --output F:\datasets\20_faces_datasets\20_faces.bin

命令行参数解释：

txt-dir:上一步中生成的pairs.txt所在的目录

Output:bin文件所要保存的目录

五、文件制作结果

至此，所有训练和验证中所需的文件都已经制作完成，把所有制作后的文件放到一个目录下，如下图所示。

文件制作结果

下个文章介绍最后的训练和验证的过程，点击进入