深度学习帮你“认”人—人脸模型+度量学习 by wilson

超、凢脫俗 2023-06-01 05:51 4阅读 0赞

一、前言：

在6月底来到鹅厂实习，在这一个多月的时间内，主要将我之前研究的目标跟踪和人脸模型结合起来，完成一些人脸跟踪的应用。其中将之前研究的单目标跟踪（SOT, single object tracking）拓展到多目标跟踪（MOT, multi object tracking），针对人脸的应用引入人脸模型，形成针对人脸的多目标跟踪。

在这里还是学习到不少东西的：面向业务应用的算法开发；关注预研的过程；跨任务地思考；把控时间点。

整体和在实验室的感觉是差不多的，但是要比在实验室严肃一些，需要在一段时间内要有产出，不能说像在实验室一样，研究了半年，说没研究出来成果就过了。毕竟要有kpi的要求，要对自己要求严格一些。抛开心态来说，我反而觉得实验室要求还要更严一些：周报、每周的组会等等。在这里只要简单几句话的周报就可以了，但是这句话的周报含义和实验室是差很多的。 - -！

言归正传，这篇博文主要总结我在这段时间调研过的内容和尝试过的一些应用。其实百度一下“人脸检测、人脸识别”等等关键词也会出现很多相关博文，但是这篇主要是我在这段时间的总结。

特别要感谢 [https://github.com/corberan/video\_clipper][https_github.com_corberan_video_clipper]，奠定了我实现的算法的基本流程，在我迷茫不知道如何完成任务的时候，提供了重要的思路。

二、主要内容：

1. dlib: 基于C++实现的人脸应用库，具有python的接口。

安装： [https://github.com/corberan/video\_clipper/wiki/Installation][https_github.com_corberan_video_clipper_wiki_Installation]

文档： [http://dlib.net/python/index.html\#dlib.full\_object\_detection][http_dlib.net_python_index.html_dlib.full_object_detection]

这是个非常方便的工具，不只是人脸的相关应用，还具有很多机器学习的算法：聚类算法、svm算法等等。最突出的就是其中的人脸检测、人脸描述子模型等等。应用非常方便，简单几句代码就可以完成功能，基于C++的底层实现，决定了他的高效。

2. MTCNN：人脸检测+对齐模型

参考： [https://blog.csdn.net/qq\_36782182/article/details/83624357][https_blog.csdn.net_qq_36782182_article_details_83624357]

repo：FaceNet中的MTCNN-tf： [https://github.com/davidsandberg/facenet/tree/master/src/align][https_github.com_davidsandberg_facenet_tree_master_src_align]

MTCNN-pytorch： [https://github.com/kuaikuaikim/DFace][https_github.com_kuaikuaikim_DFace]

MTCNN是中科院在2016年提出来的算法，在做图片预处理或者人脸检测应用中得到大量应用，是一个效果和运算效率都挺优秀的算法。这个算法的流程很简单，通过特征金字塔优化对不同大小目标的检测效果，后续通过三个大小不同的网络，实现从粗略到精细的检测，最后输出人脸目标框和5个人脸关键点（眼睛+鼻子+嘴巴）。但是在使用的过程中需要关注超参的设置：factor和minisize，这些决定了其中的特征金字塔的层数，对检测速率和效果有直接影响。pytorch的运行速率有60fps，但是tf的只有41。但是tf的代码知名度要高一些。

3. 人脸识别模型

综述文章： [https://zhuanlan.zhihu.com/p/56414557][https_zhuanlan.zhihu.com_p_56414557] ｜ [https://arxiv.org/pdf/1811.00116.pdf][https_arxiv.org_pdf_1811.00116.pdf]

论文集合： [https://zhuanlan.zhihu.com/p/35339201][https_zhuanlan.zhihu.com_p_35339201]

人脸数据集：lfw、webFace、celebraA、youtubeFace……

人脸模型和ReID模型是一脉相传，都是对人脸或者行人的图像提取有辨别性高鲁棒性的特征，后续用欧式距离或者余弦距离来进行度量，实现1对1或者1对N的人脸识别，是典型的度量学习。这两者模型的优化都是基于相同的思想：增强网络的表达能力：拉近相同类别的人物在特征域中的距离，拉远不同类别的人物在特征域中的距离。除了增强网络结构和引入外挂组建（attention mechanism）外，主要是针对损失函数进行改进。（这些损失函数的发展历程，非常值得参考。）

1⃣️ FaceNet：

google-CVPR2015

repo: 基于tf的官方代码： [https://github.com/davidsandberg/facenet][https_github.com_davidsandberg_facenet]

参考博文：（非常详细） [https://zhuanlan.zhihu.com/p/24837264][https_zhuanlan.zhihu.com_p_24837264]

引入了三元子损失函数：triplet loss （在跟踪领域的siamese-based的跟踪器也参考了这个损失函数，最后发了ECCV2018\[ [http://openaccess.thecvf.com/content\_ECCV\_2018/papers/Xingping\_Dong\_Triplet\_Loss\_with\_ECCV\_2018\_paper.pdf][http_openaccess.thecvf.com_content_ECCV_2018_papers_Xingping_Dong_Triplet_Loss_with_ECCV_2018_paper.pdf]\]）；经过主干网络和L2规范化后，得到128维的特征向量作为人脸描述子，后续通过triplet loss作为目标函数来训练。

基本网络：

![1665919-20190818164645669-1592388804.png][]

triplet loss示意图：

![1665919-20190818164705610-1849102047.png][]

triplet loss 表达式:

![1665919-20190818164748325-1127790008.png][]

上标含义：a代表某一个样本；p代表a的正样本；n代表a的负样本，$alpha代表两个类别的最小距离，是一个自定义的阈值。+号代表是取正数，小于0则取。其实整个损失函数就是合页损失函数。triplet loss的创新点还有三元子的筛选方式：选取一个batch中距离最远的正样本和距离最近的负样本进行训练。其实这个就是构造困难负样本的方法。

2⃣️ CenterFace：

ECCV2016

repo：损失函数 [https://github.com/KaiyangZhou/pytorch-center-loss][https_github.com_KaiyangZhou_pytorch-center-loss]｜基于centerloss的人脸模型： [https://github.com/wujiyang/Face\_Pytorch][https_github.com_wujiyang_Face_Pytorch]

参考博文： [https://blog.csdn.net/u014380165/article/details/76946339][https_blog.csdn.net_u014380165_article_details_76946339]

主要思想是：softmax-cross-entropy训练的结果是使不同类别的特征拉开，但是忽视相同类别的特征之间的距离。意思就是只关注不同类别的特征。center loss的目的就是将相同类别的特征的距离拉近，使相同、不相同类别的特征都具有更好的辨别性。

softmax-cross-entropy-loss的训练结果（将特征映射到其中的某两维进行可视化）：

![1665919-20190818164843912-1520760363.png][]

center loss+cross-entropy-loss的训练结果：

![1665919-20190818164910850-1226407338.png][]

center loss 表达式:

![1665919-20190818164935342-354196065.png][]

难点在于如何决定一个类别的中心，解决方法是每个batch取计算一次中心，计算方法为：（c为中心点）

![1665919-20190818165038250-574714226.png][]

![1665919-20190818165044392-746349455.png][]

最后center loss结合cross-entropy loss共同进行训练。这个center loss和实验室LNN学姐的center loss是类似的，但是不同之处在于类别中心的决定方法。其实center loss也就是普通discriminative loss的改进版本。如果涉及特征工程，不妨尝试一下这个损失函数，在一定程度可以弥补交叉熵损失函数的缺点。

discriminative loss表达式：

![1665919-20190818165140811-2069774531.png][]

从表达式中可以看出，discriminative loss、center loss、triplet loss是具有很大的关联的。

3⃣️ Sphere face | Arc face | Cos face:（增加特征之间的角度）

这三篇思想都是非常类似，算是同一个时期的论文

repo（同时实现了这三篇论文）: [https://github.com/wujiyang/Face\_Pytorch][https_github.com_wujiyang_Face_Pytorch]

cosFace（基于Pytorch实现的cosFace）: [https://github.com/MuggleWang/CosFace\_pytorch][https_github.com_MuggleWang_CosFace_pytorch]

cosFace的论文： [https://arxiv.org/pdf/1801.09414.pdf][https_arxiv.org_pdf_1801.09414.pdf]

参考博文： [https://www.cnblogs.com/xiaosongshine/p/11059762.html][https_www.cnblogs.com_xiaosongshine_p_11059762.html]

主要思想：

不同于交叉熵函数、center loss和triplet loss，这三个face的损失函数将特征映射到一个球上，并且设定特征之间的cos角度之间的margin，从而增大特征之间的差异。注意这三个损失函数都是基于余弦相似度来做度量，所以在1v1或者1vN的应用中，也需要基于余弦相似度。不同之处是这三者添加margin的方法。如图所示：

![1665919-20190818165322642-20158188.png][]

首先将全连接层的权重W和提取的特征x进行l2归一化，使得softmax-cross-entropy loss变成以角度度量分类的形式。如图所示：

![1665919-20190818165350252-1745910602.png][]

s是将特征x归一化后scale到s的长度，cos(i,j)是指特征x\_i和权重W\_j之间的角度差的余弦值。具体的推倒步骤，cosFace的论文中有详细的解释。SphereFace是乘性的余弦margin，cosFace和ArcFace是加性的余弦magin，加性的margin会比较容易实现和优化，其中arcFace直接将margin加在角度上，具有更好的集合解释方式，效果会更加明显。其中arcFace现在在人脸识别或者人脸验证的benchmark上，都排名第一，cosFace紧随其后，这大大说明了损失函数的主要性，基于损失函数进行小小的改进，也许会收获大大的性能提升。得到的效果如图所示：

![1665919-20190818165419425-887624508.png][]

三、一些应用：

1⃣️ dlib库应用：

参考repo： [https://github.com/corberan/video\_clipper/blob/master/face\_clustering.py][https_github.com_corberan_video_clipper_blob_master_face_clustering.py]

要实现人脸识别的功能，要分为四个步骤：人脸检测、人脸对齐、人脸模型提取特征、分类器

人脸检测

定义cnn人脸检测器：

face\_detector = api.dlib\_cnn\_face\_detector(models.cnn\_face\_detector\_model\_location())

进行人脸检测：

face\_detections = face\_detector(frames, 0)

人脸对齐

定义人脸关键点检测器：

sp = dlib.shape\_predictor(models.pose\_predictor\_model\_location())

detection\_sp = sp(frame, face\_detection.rect)

人脸模型提取人脸描述子（128D）

定义人脸描述子模型：

face\_rec = dlib.face\_recognition\_model\_v1(models.face\_recognition\_model\_location())

face\_detections = face\_rec.compute\_face\_descriptor(frame, sp(frame, face\_detection.rect))

人脸识别：

人脸识别就是对描述子进行分类，分类的模型可以是：决策树、SVM、KNN、神经网络等等。神经网络的方法比较直接，但是随着识别的人脸数量增加，需要的参数量和计算量需要大大增加；这里采用SVM和KNN的方法来实现。这两个实现的模型，都是用sklearn的库来实现。

SVM参考： [https://github.com/corberan/video\_clipper/blob/master/face\_classifier.py][https_github.com_corberan_video_clipper_blob_master_face_classifier.py] | [https://github.com/corberan/video\_clipper/blob/master/face\_recognition.py][https_github.com_corberan_video_clipper_blob_master_face_recognition.py]

SVM文档： [https://www.jianshu.com/p/a9f9954355b3?utm\_campaign=maleskine&utm\_content=note&utm\_medium=seo\_notes&utm\_source=recommendation][https_www.jianshu.com_p_a9f9954355b3_utm_campaign_maleskine_utm_content_note_utm_medium_seo_notes_utm_source_recommendation]

KNN参考： [https://github.com/shanren7/real\_time\_face\_recognition/blob/master/train%20your%20classifier.ipynb][https_github.com_shanren7_real_time_face_recognition_blob_master_train_20your_20classifier.ipynb]

KNN文档： [https://scikit-learn.org/stable/modules/generated/sklearn.neighbors.KNeighborsClassifier.html\#sklearn.neighbors.KNeighborsClassifier.score][https_scikit-learn.org_stable_modules_generated_sklearn.neighbors.KNeighborsClassifier.html_sklearn.neighbors.KNeighborsClassifier.score]

dlib不只是实现这四个功能，其中也是一个机器学习的算法库，更多可以参考文档

2⃣️ face\_recognition：一个基于dlib库的更抽象的人脸检测+识别库

repo: [https://github.com/ageitgey/face\_recognition][https_github.com_ageitgey_face_recognition]

基于几句代码即可实现功能，repo里面有许多example，但是不推荐使用这个库，因为这个库也是基于dlib实现的，完全可以用dlib来实现。

3⃣️ video\_cut：

repo: [https://github.com/corberan/video\_clipper][https_github.com_corberan_video_clipper]

博文： [https://zhuanlan.zhihu.com/p/51210714][https_zhuanlan.zhihu.com_p_51210714]

顾名思义就是找出各个明星出现的时间段，这个应用是基于dlib来实现的。

4⃣️ 人脸跟踪

MTCNN人脸检测+Sort多目标跟踪实现，是一个很简单直接的实现

repo： [https://github.com/Linzaer/Face-Track-Detect-Extract][https_github.com_Linzaer_Face-Track-Detect-Extract]

5⃣️ 实时人脸检测与识别：

repo： [https://github.com/zj19941113/Face\_Recognition\_dlib][https_github.com_zj19941113_Face_Recognition_dlib]

技术路线：MTCNN+faceNet+KNN

![1665919-20190818165812316-1847866759.png][]

总结：

面对公司的实际应用，只拘泥于自己的领域是远远不够的。我的感悟是，在阅读资料和文献时，也该多了解其他领域的做法和改进。最后希望能成功转正吧！拜托?。

转载于:https://www.cnblogs.com/bupt213/p/11372987.html

[https_github.com_corberan_video_clipper]: https://github.com/corberan/video_clipper
[https_github.com_corberan_video_clipper_wiki_Installation]: https://github.com/corberan/video_clipper/wiki/Installation
[http_dlib.net_python_index.html_dlib.full_object_detection]: http://dlib.net/python/index.html#dlib.full_object_detection
[https_blog.csdn.net_qq_36782182_article_details_83624357]: https://blog.csdn.net/qq_36782182/article/details/83624357
[https_github.com_davidsandberg_facenet_tree_master_src_align]: https://github.com/davidsandberg/facenet/tree/master/src/align
[https_github.com_kuaikuaikim_DFace]: https://github.com/kuaikuaikim/DFace
[https_zhuanlan.zhihu.com_p_56414557]: https://zhuanlan.zhihu.com/p/56414557
[https_arxiv.org_pdf_1811.00116.pdf]: https://arxiv.org/pdf/1811.00116.pdf
[https_zhuanlan.zhihu.com_p_35339201]: https://zhuanlan.zhihu.com/p/35339201
[https_github.com_davidsandberg_facenet]: https://github.com/davidsandberg/facenet
[https_zhuanlan.zhihu.com_p_24837264]: https://zhuanlan.zhihu.com/p/24837264
[http_openaccess.thecvf.com_content_ECCV_2018_papers_Xingping_Dong_Triplet_Loss_with_ECCV_2018_paper.pdf]: http://openaccess.thecvf.com/content_ECCV_2018/papers/Xingping_Dong_Triplet_Loss_with_ECCV_2018_paper.pdf
[1665919-20190818164645669-1592388804.png]: /images/20230601/6da8a8c2487d49038b0e883ce1fbd3f5.png
[1665919-20190818164705610-1849102047.png]: /images/20230601/5f3e931a8b5b44e8b598937d824e71d2.png
[1665919-20190818164748325-1127790008.png]: /images/20230601/13df68a6a97540beb1c452ea642a0cc3.png
[https_github.com_KaiyangZhou_pytorch-center-loss]: https://github.com/KaiyangZhou/pytorch-center-loss
[https_github.com_wujiyang_Face_Pytorch]: https://github.com/wujiyang/Face_Pytorch
[https_blog.csdn.net_u014380165_article_details_76946339]: https://blog.csdn.net/u014380165/article/details/76946339
[1665919-20190818164843912-1520760363.png]: /images/20230601/bd8a15e9357043378bbf8a9e7fe304cd.png
[1665919-20190818164910850-1226407338.png]: /images/20230601/942807832eac49aaa3a7c6ee55ce83f7.png
[1665919-20190818164935342-354196065.png]: /images/20230601/9a40c34385e84f5d8dfe8cb173712f81.png
[1665919-20190818165038250-574714226.png]: /images/20230601/8e69e53a07724db8bcbdd98ab93073c3.png
[1665919-20190818165044392-746349455.png]: /images/20230601/37f8aaa9946a4783af141f1713127deb.png
[1665919-20190818165140811-2069774531.png]: /images/20230601/bdab111fefd349119066264e1f7b90ee.png
[https_github.com_MuggleWang_CosFace_pytorch]: https://github.com/MuggleWang/CosFace_pytorch
[https_arxiv.org_pdf_1801.09414.pdf]: https://arxiv.org/pdf/1801.09414.pdf
[https_www.cnblogs.com_xiaosongshine_p_11059762.html]: https://www.cnblogs.com/xiaosongshine/p/11059762.html
[1665919-20190818165322642-20158188.png]: /images/20230601/8516307ccdc043e689992d63cd8d7d28.png
[1665919-20190818165350252-1745910602.png]: /images/20230601/3eca8ae3c90b4088b077b9b1fe808ebd.png
[1665919-20190818165419425-887624508.png]: /images/20230601/0d85dd46c06d4631a2a9c167d2f46de3.png
[https_github.com_corberan_video_clipper_blob_master_face_clustering.py]: https://github.com/corberan/video_clipper/blob/master/face_clustering.py
[https_github.com_corberan_video_clipper_blob_master_face_classifier.py]: https://github.com/corberan/video_clipper/blob/master/face_classifier.py
[https_github.com_corberan_video_clipper_blob_master_face_recognition.py]: https://github.com/corberan/video_clipper/blob/master/face_recognition.py
[https_www.jianshu.com_p_a9f9954355b3_utm_campaign_maleskine_utm_content_note_utm_medium_seo_notes_utm_source_recommendation]: https://www.jianshu.com/p/a9f9954355b3?utm_campaign=maleskine&utm_content=note&utm_medium=seo_notes&utm_source=recommendation
[https_github.com_shanren7_real_time_face_recognition_blob_master_train_20your_20classifier.ipynb]: https://github.com/shanren7/real_time_face_recognition/blob/master/train%20your%20classifier.ipynb
[https_scikit-learn.org_stable_modules_generated_sklearn.neighbors.KNeighborsClassifier.html_sklearn.neighbors.KNeighborsClassifier.score]: https://scikit-learn.org/stable/modules/generated/sklearn.neighbors.KNeighborsClassifier.html#sklearn.neighbors.KNeighborsClassifier.score
[https_github.com_ageitgey_face_recognition]: https://github.com/ageitgey/face_recognition
[https_zhuanlan.zhihu.com_p_51210714]: https://zhuanlan.zhihu.com/p/51210714
[https_github.com_Linzaer_Face-Track-Detect-Extract]: https://github.com/Linzaer/Face-Track-Detect-Extract
[https_github.com_zj19941113_Face_Recognition_dlib]: https://github.com/zj19941113/Face_Recognition_dlib
[1665919-20190818165812316-1847866759.png]: /images/20230601/d473abf636e0456793f56b01c528bf48.png