TensorFLow 使用 facenet 模型

c++简单调用 facenet模型,并对比欧式距离.使用了opencv做人脸检测.其中一些参数暂时写死了.目前的效果一般般.因为 opencv对人脸的不同姿态检测并不是太准.(暂时依赖于Qt的QString 和 QImage )

#include “TensorFlow.h“



CTensorFlow::CTensorFlow（）
{
	m_strxmlPath = “E:/SmartCity2015/AI/testTensorFlow/opencv/lib/haarcascade_frontalface_default.xml“;
}


CTensorFlow::~CTensorFlow（）
{
}

bool CTensorFlow::Create（）
{
// 	m_pLabel1 = pLabel1;
// 	m_pLabel2 = pLabel2;

	Scope m_root = Scope::NewRootScope（）;
	Status status = NewSession（SessionOptions（） &m_pSession）;//创建新会话Session


	QString strModelPath = “E:/SmartCity2015/AI/testTensorFlow/x64/Debug/20170512-110547.pb“;

	GraphDef graphdef; //Graph Definition for current model
	Status status_load = ReadBinaryProto（Env::Default（） strModelPath.toStdString（） &graphdef）; //从pb文件中读取图模型;
	if （!status_load.ok（）） {
		std::cout << “ERROR: Loading model failed...“ << strModelPath.toStdString（） << std::endl;
		std::cout << status_load.ToString（） << “\n“;
		return false;
	}
	Status status_create = m_pSession->Create（graphdef）; //将模型导入会话Session中;
	if （!status_create.ok（）） {
		std::cout << “ERROR: Creating graph in session failed...“ << status_create.ToString（） << std::endl;
		m_bIsSessionOk = false;
		return false;
	}
	cout << “Session successfully created.“ << endl;

	m_bIsSessionOk = true;

	return true;
}

void CTensorFlow::Destroy（）
{
	if （m_pSession）
	{
		m_pSession->Close（）;
		delete m_pSession;
		m_pSession = NULL;
	}

	m_bIsSessionOk = false;
}

int CTensorFlow::Run（const string& strPicture1 const string& strPicture2 float& fDistance vector& arrFaces1 vector& arrFaces2）
{
	if （m_bIsSessionOk == false）
	{
		return -1;
	}

	m_strPicture1 = strPicture1;
	m_strPicture2 = strPicture2;

	int nHeight = 160;
	int nWidth = 160;

	m_nTotalRecognition++;
	Tensor tensorPic1;
	Tensor tensorPic2;

	bool bRet = GetPicTensor（strPicture1 nHeight nWidth tensorPic1 arrFaces1）;
	if （bRet == false）
	{
		m_nRecognitionFail++;
		return 0;
	}
	bRet = GetPicTensor（strPicture2 nHeight nWidth tensorPic2 arrFaces2）;
	if （bRet == false）
	{
		m_nRecognitionFail++;
		return 0;
	}
	vector arrData1;
	GetValueFromTensor（tensorPic1 arrData1）;
	vector arrData2;
	GetValueFromTensor（tensorPic2 arrData2）;

	fDistance = Euclidean（arrData1 arrData2）;
	std::cout << “Euclidean fDistance: “ << fDistance << std::endl;

	if （fDistance > m_fThreshold）
	{
		m_nMoreThenThreshold++;
	}

	return 1;
}

int CTensorFlow::Run（const unsigned char* pPictureData1 const unsigned char* pPictureData2 float& fDistance）
{
	if （m_bIsSessionOk == false）
	{
		return -1;
	}

	int nHeight = 160;
	int nWidth = 160;

	Tensor tensorPicture1;
	Tensor tensorPicture2;
	bool bRet = GetPicTensor（pPictureData1 nHeight nWidth tensorPicture1）;
	if （bRet == false）
	{
		m_nRecognitionFail++;
		return 0;
	}
	bRet = GetPicTensor（pPictureData2 nHeight nWidth tensorPicture2）;
	if （bRet == false）
	{
		m_nRecognitionFail++;
		return 0;
	}
	vector arrData1;
	GetValueFromTensor（tensorPicture1 

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----

     文件      17626  2018-07-20 15:44  TensorFlow.cpp

     文件       3739  2018-07-20 15:40  TensorFlow.h

----------- ---------  ---------- -----  ----

                21365                    2