人脸识别：insightface自定义数据集制作 | 附练手数据集

人脸识别简介

简单来讲，人脸识别这个问题，就是给定两个人脸，然后判定他们是不是同一个人，这是它最原始的定义。它有很多应用场景，比如银行柜台、海关、手机解锁、酒店入住、网吧认证，会查身份证跟你是不是同一个人。

关于人脸识别的内容，网上资料很多，这里推荐一篇综述，详细介绍了一些人脸识别的背景和目前的相关研究，以及常用的人脸识别模型：

http://www.elecfans.com/d/709424.html

好了，直接进入主题，今天的重点：

insightface论文：https://arxiv.org/abs/1801.07698

insightface github项目：https://github.com/deepinsight/insightface

02

制作数据集

一、环境配置

官方提供的项目是基于mxnet框架的

因此首先需要配置好这些环境，这里假设已经安装好cuda等

mxnet的安装相对来说比较简单（相对于caffe）

（1）查询自己cuda的版本

1. # 输入

2. nvcc -V

3. # 输出结果

4. nvcc: NVIDIA (R) Cuda compiler driver

5. Copyright (c) 2005-2017 NVIDIA Corporation

6. Built on Fri_Sep__1_21:08:03_CDT_2017

7. Cuda compilation tools, release 9.0, V9.0.176

（2）用pip安装mxnet（GPU版本）

1. pip install mxnet-cu90

2. # 根据自身情况查询对应的安装命令，例如我服务器的cuda版本是10.0的，安装命令为 pip install mxnet-cu100

二、克隆项目和数据集下载

将insight项目克隆到本地

git clone --recursive https://github.com/deepinsight/insightface.git

下载lfw数据集

链接：http://vis-www.cs.umass.edu/lfw/index.html#download

这里为了方便，提供了lfw的部分用于练手

练手数据集https://www.lanzous.com/i7gdxva，仅用于制作数据集练手

观察数据集：

这里提供了20个用于练手，完整数据集可以去上面的链接或自行查找下载。

说明：每个文件夹名为人的姓名，文件夹内包含多张人脸（>=1）。

三、开始制作所需要格式的数据集

（1）数据对齐并生成lst文件

将lfw数据集下载好并放置在datasets下（这里以lfwdata命名的文件夹），然后新建一个文件夹并命名为output保存对齐后的人脸图片，新建一个文件夹命名为train用于保存输出结果

运行insightface项目下 src/align下的align_lfw.py文件

python align_lfw.py --input-dir ../../datasets/lfwdata --output-dir ../../datasets/output

--input ：输入需要对齐的数据的路径

--output：输出对齐后的数据保存路径

对齐后的图片

遇到问题1：

ValueError: Object arrays cannot be loaded when allow_pickle=False

解决方案：

pip3 install numpy==1.16.1 

如果已安装了多个numpy版本，需要先将其卸载后在运行

遇到问题2：

AttributeError: module 'scipy.misc' has no attribute 'imread'

解决方案：

pip install scipy==1.1.0

如果成功运行，output文件夹下会产生对齐后的人脸以及一个lst文件（将lst文件改名为 train.lst，并移动到train文件下）

终端下，移动和重命名的操作

1. # 重命名 mv [原始文件名] [改变后的文件名]

2. mv lst train.lst

3. # 移动 mv [起始文件路径] [目标文件路径]

4. mv train.lst ../train/

观察生成的 lst 文件内容：

1. 1 ../../datasets/train/Abbas_Kiarostami/Abbas_Kiarostami_0001.jpg 0

2. 1 ../../datasets/train/Abdel_Aziz_Al-Hakim/Abdel_Aziz_Al-Hakim_0001.jpg 1

3. # 其中1代表对齐，最后的数字0,1代表class label 中间是地址；需要用\t表示tab键，不能用空格间隔。

（2）创建property配置文件

在datasets/train下创建property，没有后缀

写入下面内容，含义1000,112,112代表ID数量，尺寸，尺寸

1000,112,112

（3）生成rec&idx文件（依托于lst文件）

运行src/data face2rec2.py

python face2rec2.py ../../datasets/train/

运行可能会报错，需要修改，可能原因是源代码是基于python2的

在python3下运行，修改第105行成如下所示：

s = mx.recordio.pack(header, b'')

运行成功后会出现两个文件

train.idx和train.rec

将train.idx, train.rec是放置在train文件夹中，用于后续训练使用，不然后续创建pair会报错

（4）创建pair文件

为了做测试我们需要生成验证集用的bin文件，bin文件生成前需要做pair文件，就是一对一对的数据，每一行分别是

图A的目录 空格 图B的目录 空格 标志0/1（代表两张图类别一致否）

在src/data下新建一个代码generate_image_pairs.py用于生成pairs

代码来源：https://blog.csdn.net/CLOUD_J/article/details/100672392

1. # coding:utf-8

2. import sys

3. import os

4. import random

5. import time

6. import itertools

7. import pdb

8. import argparse

9. #src = '../../datasets/lfw2'

10. #dst = open('../../datasets/lfw/train.txt', 'a')

11. parser = argparse.ArgumentParser(description='generate image pairs')

12. # general

13. parser.add_argument('--data-dir', default='', help='')

14. parser.add_argument('--outputtxt', default='', help='path to save.')

15. parser.add_argument('--num-samepairs',default=100)

16. args = parser.parse_args()

17. cnt = 0

18. same_list = []

19. diff_list = []

20. list1 = []

21. list2 = []

22. folders_1 = os.listdir(args.data_dir)

23. dst = open(args.outputtxt, 'a')

24. count = 0

25. dst.writelines('\n')

26. # 产生相同的图像对

27. for folder in folders_1:

28. sublist = []

29. same_list = []

30. imgs = os.listdir(os.path.join(args.data_dir, folder))

31. for img in imgs:

32. img_root_path = os.path.join(args.data_dir, folder, img)

33. sublist.append(img_root_path)

34. list1.append(img_root_path)

35. for item in itertools.combinations(sublist, 2):

36. for name in item:

37. same_list.append(name)

38. if len(same_list) > 10 and len(same_list) < 13:

39. for j in range(0, len(same_list), 2):

40. if count < int(args.num_samepairs):#数量可以修改

41. dst.writelines(same_list[j] + ' ' + same_list[j+1]+ ' ' + '1' + '\n')

42. count += 1

43. if count >= int(args.num_samepairs):

44. break

45. list2 = list1.copy()

46. # 产生不同的图像对

47. diff = 0

48. print(count)

49. # 如果不同的图像对远远小于相同的图像对，则继续重复产生，直到两者相差很小

50. while True:

51. random.seed(time.time() * 100000 % 10000)

52. random.shuffle(list2)

53. for p in range(0, len(list2) - 1, 2):

54. if list2[p] != list2[p + 1]:

55. dst.writelines(list2[p] + ' ' + list2[p + 1] + ' ' + '0'+ '\n')

56. diff += 1

57. if diff >= count:

58. break

59. #print(diff)

60. if diff < count:

61. #print('--')

62. continue

63. else:

64. break

运行generate_image_pairs.py

python3 generate_image_pairs.py --data-dir ../../datasets/output --outputtxt ../../datasets/train/train.txt --num-samepairs 5

--data-dir 后接对齐后的人脸

--outputtxt 用于保存train.txt文件

--num-samepairs  生成多少对（具体如何设置，还需要好好研究一下）

运行成功后在datasets/train下会生成一个train.txt文件

内容：

1. ../../datasets/output/Abdullah/Abdullah_0002.jpg ../../datasets/output/Abdullah/Abdullah_0004.jpg 1

2. # 前面两个分布是生成的pairs的路径，后面的0/1代表是否同一个人或类

（5）生成验证集bin文件

成功后利用/src/data/下的 lfw2pack.py生成bin文件

但是存在点问题，对lfw2pack.py进行稍微的修改，修改lfw2pack.py中19行，打#的为更改的，改为两个参数，一个是txt读出来的列表，另一个是总数量。

1. import mxnet as mx

2. from mxnet import ndarray as nd

3. import argparse

4. import pickle

5. import sys

6. import os

7. sys.path.append(os.path.join(os.path.dirname(__file__), '..', 'eval'))

8. import lfw

9. parser = argparse.ArgumentParser(description='Package LFW images')

10. # general

11. parser.add_argument('--data-dir', default='', help='')

12. # 修改１：图像大小修改为112，112

13. parser.add_argument('--image-size', type=str, default='112,112', help='')

14. parser.add_argument('--output', default='', help='path to save.')

15. # 修改2：添加解析参数　

16. parser.add_argument('--num-samepairs',default=100)

17. args = parser.parse_args()

18. lfw_dir = args.data_dir

19. image_size = [int(x) for x in args.image_size.split(',')]

20. # 修改3：将文件名pairs.txt修改成train.txt

21. lfw_pairs = lfw.read_pairs(os.path.join(lfw_dir, 'train.txt'))

22. print(lfw_pairs)

23. # 修改4：下一行进行修改成需要的格式

24. # lfw_paths, issame_list = lfw.get_paths(lfw_dir, lfw_pairs, 'jpg'）

25. lfw_paths, issame_list = lfw.get_paths(lfw_pairs,int(args.num_samepairs)+1)#, 'jpg')

26. lfw_bins = []

27. #lfw_data = nd.empty((len(lfw_paths), 3, image_size[0], image_size[1]))

28. print(len(issame_list))

29. i = 0

30. for path in lfw_paths:

31. with open(path, 'rb') as fin:

32. _bin = fin.read()

33. lfw_bins.append(_bin)

34. #img = mx.image.imdecode(_bin)

35. #img = nd.transpose(img, axes=(2, 0, 1))

36. #lfw_data[i][:] = img

37. i+=1

38. if i%1000==0:

39. print('loading lfw', i)

40. with open(args.output, 'wb') as f:

41. pickle.dump((lfw_bins, issame_list), f, protocol=pickle.HIGHEST_PROTOCOL)

对应的get_paths这个文件存在src/eval/lfw.py下，把它也改了

1. def get_paths(pairs, same_pairs):

2. nrof_skipped_pairs = 0

3. path_list = []

4. issame_list = []

5. cnt = 1

6. for pair in pairs:

7. path0 = pair[0]

8. path1 = pair[1]

9. if cnt < same_pairs:

10. issame = True

11. else:

12. issame = False

13. if os.path.exists(path0) and os.path.exists(path1): # Only add the pair if both paths exist

14. path_list += (path0,path1)

15. issame_list.append(issame)

16. else:

17. print('not exists', path0, path1)

18. nrof_skipped_pairs += 1

19. cnt += 1

20. if nrof_skipped_pairs>0:

21. print('Skipped %d image pairs' % nrof_skipped_pairs)

22. return path_list, issame_list

vim中多行注释方法：

1. 多行注释：

2. 1. 进入命令行模式，按ctrl + v进入 visual block模式，然后按j, 或者k选中多行，把需要注释的行标记起来

3. 2. 按大写字母I，再插入注释符，例如 #

4. 3. 按esc键就会全部注释了

5. 取消多行注释：

6. 1. 进入命令行模式，按ctrl + v进入 visual block模式，按字母l横向选中列的个数，例如 # 需要选中2列

7. 2. 按字母j，或者k选中注释符号

8. 3. 按d键就可全部取消注释

之后再运行

python3 lfw2pack.py --data-dir ../../datasets/train --output ../../datasets/train/lfw.bin --num-samepairs 2

注意：我这里报错了（没有报错的小伙伴可以忽略）

1. path0 = pair[0]

2. IndexError: list index out of range

仔细分析之后，是因为在train.txt中存在空白行导致，直接删除即可，如果没有报错可以直接忽略

---

至此，我们已经完成了数据集的制作，后续会更新如何训练，以及使用。

这部分内容，是本人摸索了很久才搞定的，本文尽可能的写的详细，希望能帮到大家，写这篇的时候又重新操作了一遍，如果可以恳请小伙伴们能点个“在看”或分享到朋友圈。谢谢啦！

参考链接：

https://blog.csdn.net/CLOUD_J/article/details/100672392

https://blog.csdn.net/hanjiangxue_wei/article/details/86566497