使用 c++ facenet 做人脸比对的例子

人脸比对是指将两张人脸图像进行比较，判断它们是否属于同一个人。Facenet是一个经典的人脸识别模型，它可以将人脸图像转化为一个固定长度的向量，从而方便进行比较。

下面是一个使用C++实现人脸比对的例子，其中我们使用了dlib库来进行人脸检测和特征提取，以及OpenCV库来进行图像读取和显示。

#include <iostream>
#include <dlib/opencv.h>
#include <dlib/image_processing/frontal_face_detector.h>
#include <dlib/image_processing.h>
#include <opencv2/opencv.hpp>
#include <opencv2/highgui.hpp>

using namespace std;
using namespace dlib;

int main()
{
    // 加载Facenet模型
    deserialize("models/dlib_face_recognition_resnet_model_v1.dat") >> net;

    // 加载图片
    cv::Mat img1 = cv::imread("img1.jpg");
    cv::Mat img2 = cv::imread("img2.jpg");

    // 创建cv_image对象
    cv_image<bgr_pixel> cimg1(img1);
    cv_image<bgr_pixel> cimg2(img2);

    // 初始化人脸检测器
    frontal_face_detector detector = get_frontal_face_detector();

    // 检测人脸
    std::vector<rectangle> dets1 = detector(cimg1);
    std::vector<rectangle> dets2 = detector(cimg2);

    // 提取人脸特征向量
    std::vector<matrix<float,0,1>> face_descriptors1;
    std::vector<matrix<float,0,1>> face_descriptors2;
    for (auto&& face_rect : dets1)
    {
        auto shape = sp(cimg1, face_rect);
        matrix<rgb_pixel> face_chip;
        extract_image_chip(cimg1, get_face_chip_details(shape,150,0.25), face_chip);
        face_descriptors1.push_back(net(std::move(face_chip)));
    }
    for (auto&& face_rect : dets2)
    {
        auto shape = sp(cimg2, face_rect);
        matrix<rgb_pixel> face_chip;
        extract_image_chip(cimg2, get_face_chip_details(shape,150,0.25), face_chip);
        face_descriptors2.push_back(net(std::move(face_chip)));
    }

    // 计算两个人脸的欧氏距离
    double dist = length(face_descriptors1[0]-face_descriptors2[0]);

    // 显示图片和距离
    cv::imshow("img1", img1);
    cv::imshow("img2", img2);
    cout << "distance = " << dist << endl;
    cv::waitKey();

    return 0;
}

在这个例子中，我们首先加载了Facenet模型，并且使用dlib库中的人脸检测器检测出了图像中的人脸。然后，我们使用Facenet模型提取出了每张人脸的特征向量，并计算了它们之间的欧氏距离。最后，我们使用OpenCV库显示了原始图片，并输出了距离。

需要注意的是，这个例子只比较了两张图片中的第一个人脸，如果需要比较多个人脸，可以在循环中对每个人脸进行处理。此外，为了简化代码，我们假设每张图片中只有一个人脸，如果有多个人脸，需要对每个人脸进行处理。