%20(2).svg)
项目简介
本项目是基于TensorFlow 2的人脸检测系统，完整实现了MTCNN（Multi-task Cascaded Convolutional Networks）算法，涵盖模型搭建、数据集加载与预处理、模型训练、人脸框检测及关键点标注。支持图片和摄像头实时检测，适用于Python 3.7及以上版本。
项目的主要特性和功能
- 人脸检测与关键点标注：利用MTCNN算法检测图片人脸并标注5个关键点。
- 数据集预处理：支持WIDERFace和Cascade数据集预处理以生成训练数据。
- 多网络结构：包含PNet、RNet和ONet三个网络，分别用于初步检测、精细调整和关键点定位。
- 训练与预测：提供完整训练和预测脚本，支持从图片和摄像头获取输入。
安装使用步骤
1. 环境安装
确保安装Python 3.7及以上版本，并安装以下依赖库：
bash
pip install tensorflow-gpu
pip install opencv-python
pip install tqdm
2. 使用方法
- 图片检测：
通过命令行运行以下命令，检测指定路径下的图片：
bash python -m mtcnn.detect [图片路径]可包含多张图片，程序将循环检测并输出结果。 - 摄像头实时检测：
运行以下命令，调用摄像头进行实时人脸检测：
bash python camera_demo.py
3. 目录结构
mtcnn/：包含MTCNN模型的实现文件。prepare_data/：包含数据集预处理的脚本。results/：存放检测结果图片。camera_demo.py：摄像头实时检测脚本。detect.py：图片检测脚本。
4. 训练数据
使用WIDERFace和Cascade数据集进行预处理，生成训练数据，数据预处理脚本位于prepare_data/目录下。
5. 网络结构
网络结构定义在mtcnn/model.py中，使用TensorFlow的Keras API实现。
6. 训练过程
训练脚本位于mtcnn/train.py，支持PNet、RNet和ONet的训练，训练过程中需注意各个网络的损失函数和训练权重。
7. 预测阶段
预测脚本位于mtcnn/detect.py，支持图片和摄像头输入，通过调节net=[1,2,3]的值，可选择不同网络的输出。
下载地址
点击下载 【提取码: 4003】【解压密码: www.makuang.net】