這個僅 7M 大小的人臉識別模型幾乎識別出了世界最大自拍照中的所有人像！

[[321809]]

項目簡介

之前機器之心報道過一個跨平臺人臉識別項目，在 CPU 上就能輕松跑出 1000FPS。這次介紹的項目也是一個輕量級人臉識別項目。不同的是，該項目在保持較小參數量的前提下，識別精度要高很多，并且只需要 OpenCV 和 PyTorch 就能運行。

DBFace 是一個輕量級的實時人臉識別方法，其有著更快的識別速度與更高的精度。下圖展示了多種人臉檢測方法在 WiderFace 數據集上的測試效果。可以看到不僅 DBFace 模型的大小最小，其在 Easy、medium、Hard 三個測試任務中均取得了最高的識別精度。

項目地址：https://github.com/dlunion/DBFace

WiderFace 是一個關于人臉檢測的基準跑分數據集，其中包含 32,203 張圖片以及在各方面劇烈的 393,703 張人臉，數據集具有從簡單到困難等不同難度的任務。下圖是改數據集中一些樣本的展示，可以看到，要想準確地識別出圖中所有人臉還是很有挑戰的。DBFace 在該數據集的不同任務上分別取得 0.925、0.920、0.847 的準確率，實屬不易。

有關 WiderFace 的詳細介紹請讀者移步其官網：

http://shuoyang1213.me/WIDERFACE/

效果展示

下圖展示了不同人臉識別方法在 WiderFace 數據集上的 P-R 曲線。P-R 曲線可以較直觀地展示二分類器的 Precision 和 Recall。當需要對不同算法進行比較時，若某個二分類器的 P-R 曲線被另一個二分類器的 P-R 曲線完全包住，即表明后者的性能優于前者。從圖中可以看到，DBFace 包圍的面積在三個任務中均相對較大。

當閾值設置為 0.2 時，DBFace 對這張世界最大的自拍照識別效果如下圖所示：

可以看到，DBFace 的識別準確率非常高，圖中很多人臉甚至放大后單憑肉眼也很難分辨，DBFace 卻仍然能夠識別出來，并且模型大小僅 7M，完全能夠在邊緣設備上實時運行。于是，機器之心也上手測試了一番。

項目實測

項目作者提供的代碼示例中包含對靜態圖片的識別，同時也有一個調用電腦攝像頭的 GUI。值得注意的是，該項目并不需要太多依賴項，只要有 PyTorch、Numpy 和 OpenCV 即可運行。由于以上依賴環境都是非常常用的擴展庫，網上有大量相應安裝教程，這里就略過其安裝步驟。

在 main.py 中，image_demo() 與 camera_demo() 分別對應靜態圖片識別與調用攝像頭進行識別。靜態圖片識別代碼為：

def image_demo(): 
 
    dbface = DBFace() 
 
    dbface.eval() 
 
    if HAS_CUDA: 
 
        dbface.cuda() 
 
    dbface.load("model/dbface.pth") 
 
    detect_image(dbface, "datas/selfie.jpg") 

以上代碼將會讀取訓練后的模型，對圖片 datas/selfie.jpg 進行識別，并將結果保存到 detect_result/selfie.draw.jpg。

讓我們來看一下識別效果：

從上圖可以看到，即使在室內燈光顏色、明暗差別較大的環境下，DBFace 也識別出了圖中幾乎所有的人，甚至是中間那個一邊畫彩虹，一邊指向閃耀燈球戴頭盔的人也難逃其「魔掌」。當然，由于這里設置的檢測閾值較低，存在一些誤分類的現象。圖中一些人的手和右上角的燈球就被誤識別為了人臉。適當調高閾值即可消除此現象。

調用電腦攝像頭檢測的代碼為：

def camera_demo(): 
 
    dbface = DBFace() 
 
    dbface.eval() 
 
    if HAS_CUDA: 
 
        dbface.cuda() 
 
    dbface.load("model/dbface.pth") 
 
    cap = cv2.VideoCapture(0) 
 
    cap.set(cv2.CAP_PROP_FRAME_WIDTH, 640) 
 
    cap.set(cv2.CAP_PROP_FRAME_HEIGHT, 480) 
 
    ok, frame = cap.read() 
 
    while ok: 
 
        objs = detect(dbface, frame) 
 
        for obj in objs: 
 
            common.drawbbox(frame, obj) 
 
        cv2.imshow("demo DBFace", frame) 
 
        key = cv2.waitKey(1) & 0xFF 
 
        if key == ord('q'): 
 
            break 
 
        ok, frame = cap.read() 

運行以上代碼將會生成一個 640x480 的 GUI 界面，調用攝像頭實時進行人臉檢測。

感興趣的小伙伴趕快將本項目 git clone 到本地測試一下吧！