/Face-payment

Implementing a Commercial Level Face Payment System with Yolo+Arcface (yolo + arcface 实现 商用级别人脸支付系统 )

Primary LanguagePython

Face-payment

源码实现提交 效果demo:https://www.bilibili.com/video/BV1bL4y1s7Fr?spm_id_from=333.999.0.0

本项目是人脸支付级别的 人脸项目 源码实现仅供交流学习使用 不可商用

项目架构

  • 1.人脸检测实现目标框锁定
  • 2.人脸108关键点检测 实现 人脸矫正 年龄预测 性别预测 还可实现活体检测(例如计算人眼关键点横纵比变换)
  • 3.人脸姿态识别 欧拉角不符合预期时不予进行身份校验
  • 4.人脸识别 实现一对多 十万分之一误检率 通过准确率50%

代码细节与跑的坑

  • 1.首先声明 这个项目不可开源商用 所以不方便为大家提供已经训练好的任何模型与数据,并且也不提供任何数据集 因为涉及个人隐私 非隐私数据可自行寻找开源数据集

  • 2.第一个坑 提供的yoloV3 代码如果说自行训练,90%的概率梯度不下降,因为不是标准U版代码实现 没有使用梯度累计 数据增强 学习率退火等优化方法 , 如果你的显卡设备显存不够大 请不要使用此代码,batchsize太小了训练不出来啊

  • 3.第二个坑 不要试图用本项目提供的yolov3-tiny代码尝试训练。。。 预测可以 但是NMS的实现貌似也跟U版有很大问题,自己联调的时候直接修改U版V3-SPP的NMS 如果有需求要同时检测多人就别改,不需要 仅检测一个人的数据则topk取1就行 当然了NMS还有其他两个阈值 也是要看个人喜好进行更改

image

-4.第三个坑 关键点检测与姿态识别的backbone都是使用resnet ,但是96关键点的输出头是三个多任务(关键点-年龄-性别)使用winloss联合训练,个人尝试过将姿态也 加入winloss中进行进行联合训练,但是精度并不理想代码实现中也有

数据集说明:公开的数据集比较少超过68个关键点,其中比较有名的是Wider Facial Landmark in the Wild(WFLW),它提供了98个关键点。 WFLW 包含了 10000 张脸,其中 7500 用于训练,2500 张用于测试。除了关键点之外,还有遮挡、姿态、妆容、光照、模糊和表情等信息的标注。

项目讲解

yoloV3

使用U版就行没什么好说的 个人推荐连接 自带教程:https://github.com/WZMIAOMIAO/deep-learning-for-image-processing/tree/master/pytorch_object_detection/yolov3_spp

数据集大家找找应该可以找到的 大概名称是yolo_widerface_open_train 我也不好乱发出来

网络结构 image image 学习率预热与退火策略可视化 image

loss函数 image

这里说一下,如果说训练时难以拟合的时候 建议在yolo的训练代码里将 anchors的权重适当增加,或者说那个部分的loss降不下去就将对应的公式权重增加 另外梯度累计与数据增强大家也要看一下 不多废话想必学习这个项目的人都有这个基础了

人脸108关键点检测 多任务

96关键点检测多任务实现 系统架构 image

image

这里是多任务所使用的的loss函数

image

当∣ x ∣ < w 时,主体是一个对数函数,另外还有两个控制参数,分别是w和ε,其他取值时是一个L1损失。要找合适的 w 和 ϵ 值,要进行调参,推荐的参数如下表所示:

image

数据集的名称貌似是 wiki_crop_face_multi_task 格式如下

image

数据增强的逻辑

送入网络中图像如下图所示:(第一排是原始图像,第二排是送入网络中的图像)

image

架构很简单

image

三任务联合训练时的loss

image

如果将姿态任务添加进去呢? 暴力添加 这里简单说一下,并没有很全的数据 所以直接teacherforcing** 用训练好的姿态网络作为老师以此计算loss

loss (2)

评估时效果很差 再次调整 将姿态任务的loss权重修改后 loss

这里有不小的坑 反正自己比较菜即使这样效果也不理想

多任务训练时, 步长一定时, batch越大拟合的越快,但是如果开启数据增强,则拟合的更慢 Batch越小,所需步长越大 但是问题来了

image

如果按照训练相对时间来看, batchsize 未必越大越好, 相同时间的情况下,batch 越大拟合的未必越快

image

第三张图是学习量相同时的拟合速度,可以见到拟合最快的是batchsize64所以可见batchsize未必越大越好,而是合适就行

image

效果图

image

姿态检测

人脸姿态估计指的是根据一幅二维的人脸图像,计算出其在实际三维空间中的面部朝向。输入就是一张二维人脸图片,输出表示方位的三个旋转角度 (pitch, yaw, roll)(欧拉角),其中 pitch 表示俯仰角(关于x轴的旋转角度),yaw 表示偏航角(关于y轴的旋转角度),roll 表示翻滚角(关于z轴的旋转角度),分别对应则这抬头,摇头和转头,如下图所示(我们把人脸理解为一架向我们飞来的飞机) image

数据集貌似叫这个 face_euler_angle_datasets 我是发不了 大家理解 格式是这样的,dataloader中的dataset好像也写好了数据增强

image

训练也很简单 就是直接回归欧拉角

image

重点-ArcFace 人脸识别 孪生网络

先说评估 错误拒绝率(FAR) 相似度值范围内等分为若干档,得到若干个不同的阈值 S,计算不同阈值 S 的 FRR 如下:FRR(S) = 同人比对相似度中低于阈值S的数量 / 同一人比对总数 × 100%;

错误接受率(FRR) 相似度值范围内等分为若干档,得到若干个不同的阈值 S,计算不同阈值 S 的 FAR 如下:FAR(S) = 非同人比对相似度中不低于阈值S的数量 / 非同人比对总数 ×100%;

image

image

这个数据集更发不了了,因为是1对N的,想看效果 就要去采集 没法发哈 这里填一下坑:数据采集时的思路

  • 1.使用yolov3-spp 第一个步骤的代码直接录入视频数据,将生成的目标框作为我们数据集的数据 同时要适当扩大anchors 因为要缩放,用opencv就行,手机去录最好,像素高,最后每一帧的结果保存成图片就行 这的代码有时间再搞上来吧,因为是联调写的 跟这边的训练没太多关系

  • 2.第一步获取到的原始数据并不能直接用,因为。。。你需要进行放射变换与旋转,我们期望得到的人脸处于图像的正中心并且希望是正对着观察者的

数据集搞定以后 就需要搞模型了 这里上内容了 image

上图中是利用孪生网络架构做人脸识别的例子。第一个子网络的输入是一幅图片,然后依次送入到卷积层、池化层和全连接层,最后输出一个特征向量。最后的向量 h1 是对输入图像 x1 的编码。然后,向第二个子网络(与第一个子网络完全相同)输入图片 x2,我们对它做相同的处理,并且得到对 x2 的编码 h2,为了比较图片 x1 和 x2,我们计算了编码结果 h1 和 h2之间的距离。如果它比某个阈值(一个超参数)小,则意味着两张图片是同一个人,否则,两张图片中不是同一个人

网络训练架构

  • 1.骨干网络(Backbone network):一些用于提取特征的网络

  • 2.距离度量网络(Assembled network):用于拼接在骨干网络后的用于距离度量的网络

也就是将提取出来的特征图进行比较 然后进行身份的校验

  • 骨干网络 image SeNet 通道注意力 大概是这样

image

跟resnet差不多就是多加了几个残差链接 在通道上实现了注意力 不多说看重点

  • 距离度量网络 这里作者使用的是特征向量的夹角余弦值 作为相似度评判标准

    image

    image image image image

    本质就是一个多分类网络 屁股上加一个softmax 和 argmax就知道是谁 输出值还能得到置信度 很简单的思路 奥卡姆剃刀~ 然后部署之前还缺一个流程就是将用户数据输入 进行训练 得到一个用户的平均特征图 保存,用于部署时的比较喽

  • 开源开到底 讲下预测阶段的部署改进方法

1.预测阶段原作者的写法是欧氏距离。。。 这样会有曝光误差 并且阈值的判断是很小的数 如果小于它 这样如果用fp16 或者fp32 很影响精度了 毕竟支付级别的误检率是十万分之一 数据格式上的先天不足导致的指标下降得不偿失~ 自己理解是这样考虑了部署的场景,但是学术上没啥问题的 image 改进的话其实也挺简单,不过也挖坑了。直接遵循训练阶段的计算方式就好,把w直接矩阵相乘特征图,得到的其实就是我们要的1:N 夹角余弦值(相似度) 然后送进softmax中即可 得到两点好处:1.阈值判断是 一个比较大的数判断是否大于某个阈值,不会拘泥数据格式了 2.提高并行度 比如将一个用户的20帧视频作为输入(batchsize大了呗) 输出的时候 哪个人出现的频率最高就是谁 这种场景还是比较nice 或者是输入多个人的数据 并行判断~ 2.改进:新增评估代码,自动调参 貌似论文作者没提供评估代码? 自己依据第一点的改进 遵循训练时的方法 如果要想实现简单的混淆矩阵 分类评估的 AUC曲线 没现成代码 就面向W大矩阵编程了,公式就是上面那两个 错误识别率 等等 代码细节不讲了 有注释

frr-far

这个是整条曲线~ 虽然面积不大把,部署时调参也有依据,并且还加了一个很low的准确率参数,这样你就可以知道当前参数情况下除了frr 与arr的指标,广义上的准确率是多少, 因为我的数据集一共就8个人,当前做到十万分之一的误识率情况下50%的准确率 大体可以接受 当然了 数据集越多 相应的指标就越高 image

TODO

整理下部署代码搞上来,部署代码的功能早就实现了简单说下

1.实现人脸自动录入 得到arcface所需规整图像数据集

2.实现多模块联调 就是解耦做的不好 python还是没java方便 打个jar包直接import多好哈哈哈 这个部署代码仅仅是录入与部署检测功能 特征向量计算还是需要这些源码 goodluck 都是实打实的经验哈 给我一键三联