PyQt5+Caffe+Opencv搭建人脸识别登录界面-创新互联

最近开始学习Qt,结合之前学习过的caffe一起搭建了一个人脸识别登录系统的程序，新手可能有理解不到位的情况，还请大家多多指教。

为鱼台等地区用户提供了全套网页设计制作服务，及鱼台网站建设行业解决方案。主营业务为网站制作、网站设计、鱼台网站设计，以传统方式定制建设网站，并提供域名空间备案等一条龙服务，秉承以专业、用心的态度为用户提供真诚的服务。我们深信只要达到每一位用户的要求，就会得到认可，从而选择与我们长期合作。这样，我们也可以走得更远！

我的想法是用opencv自带的人脸检测算法检测出面部，利用caffe训练好的卷积神经网络来提取特征，通过计算当前检测到的人脸与已近注册的所有用户的面部特征之间的相似度，如果大的相似度大于一个阈值，就可以确定当前检测到的人脸对应为这个相似度大的用户了。

###Caffe人脸识别

因为不断有新的用户加入，然而添加新用户后重新调整CNN的网络结构太费时间，所以不能用CNN去判别一个用户属于哪一类。一个训练好的人脸识别网络拥有很强大的特征提取能力（例如这里用到的VGG face）,我们finetune预训练的网络时会调整最后一层的分类数目，所以最后一层的目的是为了分类，倒数第二个全连接层（或者前面的）提取到的特征通过简单的计算距离也可以达到很高的准确率，因此可以用计算相似度的方式判断类别。

载入finetune后的VGG模型

代码就不详细解释了，我用的是拿1000个人脸微调后的VGGface,效果比用直接下载来的weight文件好一点，这里可以用原始的权重文件代替。

import caffe
model_def = 'VGG_FACE_deploy.prototxt'
model_weights = 'VGG_Face_finetune_1000_iter_900.caffemodel'
# create transformer for the input called 'data'
net = caffe.Net(model_def,   # defines the structure of the model
        model_weights, # contains the trained weights
        caffe.TEST) 
transformer = caffe.io.Transformer({'data': net.blobs['data'].data.shape})
transformer.set_transpose('data', (2,0,1)) # move image channels to outermost dimension
transformer.set_mean('data', np.array([104, 117, 123]))      # subtract the dataset-mean value in each channel
transformer.set_raw_scale('data', 255)   # rescale from [0, 1] to [0, 255]
transformer.set_channel_swap('data', (2,1,0)) # swap channels from RGB to BGRxpor

另外有需要云服务器可以了解下创新互联scvps.cn，海内外云服务器15元起步，三天无理由+7*72小时售后在线，公司持有idc许可证，提供“云服务器、裸金属服务器、高防服务器、香港服务器、美国服务器、虚拟主机、免备案服务器”等云主机租用服务以及企业上云的综合解决方案，具有“安全稳定、简单易用、服务可用性高、性价比高”等特点与优势，专为企业上云打造定制，能够满足用户丰富、多元化的应用场景需求。

文章名称：PyQt5+Caffe+Opencv搭建人脸识别登录界面-创新互联
网页链接：http://6mz.cn/article/cojsso.html