转载博客（三处修改）：https://www.cnblogs.com/weixuqin/p/9046225.html
参考博客：http://www.cnblogs.com/gmhappy/p/9472388.html
整个过程比较顺利，如果有一两个报错情况，百度即可。
facenet 进行人脸识别测试
1.简介：facenet 是基于 TensorFlow 的人脸识别开源库，有兴趣的同学可以扒扒源代码：
https://github.com/davidsandberg/facenet
2.安装和配置 facenet
我们先将 facenet 源代码下载下来：
git clone https://github.com/davidsandberg/facenet.git
在使用 facenet 前，务必安装下列这些库包：
这里如果是anaconda环境，强烈建议隔个虚拟环境一键安装，如果tf版本过新后面一定会报错
或者直接移动到 facenet 目录下，一键安装
pip install -r requirements.txt
3.下载 LFW 数据集
LFW 是由美国马萨诸塞大学阿姆斯特分校计算机视觉实验室整理的。它包含13233张图片，共5749人，其中4096人只有一张图片，1680人的图片多余一张，每张图片尺寸是250x250 。
下载地址：http://vis-www.cs.umass.edu/lfw/ ->Menu->Download->All images as gzipped tar file
下载完成后，我们将文件解压到 facenet/data/lfw_data/lfw 目录下
先切换到 lfw_data路径
tar zxvf lfw.tgz -C ./
在 lfw_data 目录下新建一个目录 lfw_160，用来存放裁剪后图片。
4.对图像进行预处理
因为程序中神经网络使用的是谷歌的“inception resnet v1”网络模型，这个模型的输入时160*160的图像，而我们下载的LFW数据集是250*250限像素的图像，所以需要进行图片的预处理。
运行 facenet/src/align/align_dataset_mtcnn.py 来修改图片尺寸大小，加入下列参数
facenet/data/lfw_data/lfw #输入图像文件夹 facenet/data/lfw_data/lfw_160 #输出图像文件夹 --image_size 160 --margin 32 --random_order --gpu_memory_fraction 0.25 #指定裁剪后图像大小（如果不指定，默认的裁剪结果是182*182像素的）
即
python align_dataset_mtcnn.py facenet/data/lfw_data/lfw facenet/data/lfw_data/lfw_160 --image_size 160 --margin 32 --random_order --gpu_memory_fraction 0.25
如果用的是 pycharm，可以在 RUN -> Edit Configurations 下添加参数信息，然后运行 align_dataset_mtcnn.py 文件：
校准后图像大小即变为160 x 160
5.评估 Google 预训练模型在数据集中的准确性
facenet提供了两个预训练模型，分别是基于CASIA-WebFace和 VGGFace2人脸库训练的。
百度网盘地址：https://blog.csdn.net/weixin_41813620/article/details/87282076
将下载好的预训练文件解压到 facenet/src/models目录下
python src/validate_on_lfw.py data/lfw_data/lfw_160 src/models/20180402-114759
可以看到识别精度可以达到 98.5%可以看到识别精度可以达到 97.7%
但是程序运行完以后虽然最终运行结果正确，但是最后却还是报了个错误：_2_input_producer: Skipping cancelled enqueue attempt with queue not closed
原因是主线程已经关闭，但是读取数据入队线程还在执行入队。
6.对比2个人脸经过它的网络映射之后的欧式距离
python src/compare.py src/models/20180402-114759/20180402-114759.pb data/images/Anthony_Hopkins_0001.jpg data/images/Anthony_Hopkins_0002.jpg
得到的值为0.8396，这个值代表的是欧氏距离，用来判别这两张图片是否为同一个人。两张人脸图片越相似，空间距离越小；差别越大，则空间距离越大。
7.安装和配置Facenet环境（方法二）【转】
1. 在自己电脑对应的Anaconda3Libsite-packages目录下，新建facenet文件夹，本人的目录如下：
2. 然后，将facenet-mastersrc目录下的全部文件复制到上面新建的facenet文件夹内；
facenet-mastersrc目录下的全部文件信息如下：
复制到facenet目录内，如下：
3. 最后，在Anaconda Prompt内输入import facenet，不会报错即可，如下：
