自从大神们发现卷积神经网络对图像识别的特殊功能以后，人脸识别技术发展非常迅速，各种新算法层出不穷。在有效训练的情况下，基于openface的人脸识别已经非常精准。我尝试用openface识别家里的家庭成员，基本没有出错的。本文教你如何在树莓派上，部署人脸识别程序。
为了让大家很方便的使用到这个程序，笔者将将所有准备工作都编译到docker镜像中去了，这样大家可以跳过繁杂的安装过程。
首先您要先确定您的树莓派操作系统（raspbian）的版本要至少为jessie，如果还没有升级到这个版本，请先刷到这个版本。树莓派板卡最好为pi 3，前面几代应该也能运行（笔者没有测试过），但CPU速度比较慢，运行时间会比较长。
数据准备
首先你要确定你要识别哪些人，每个人拍摄3-5张照片，最好是这个人正脸和侧脸不同角度拍摄的照片，光线可以有明暗区别。这些照片，作为训练数据使用。另外，每个人再另外准备1-2张照片，作为待识别的照片。这些照片，请按照以下方式存储：
以上以一个家庭父亲、母亲、小孩三个对象为示意，说明目录树的结构该怎么设置。
部署程序
部署的过程其实只有一行代码，在你的当前位置下，运行：
curl -s https://raw.githubusercontent.com/flyingtimes/face-recognizer/master/install.sh|bash
这是一个脚本，会自动帮你把源代码下载下来，如果没有安装docker，会自动安装docker，并下载相关的docker镜像。openface所需的所有组件都已经在docker中预先准备好了，您只要运行程序就行了。整个过程需要下载1.5G左右的数据，请耐心等待。同时，程序还会下载run_train.sh 和 run_test.sh脚本。
训练数据
在你的当前位置下，运行（其中 $PWD代表当前路径）：
bash run_train.sh $PWD
开始人脸识别
在你的当前位置下，运行：
bash run_detect.sh $PWD father_test.jpg
其中father_test.jpg是你要识别的文件名称，可以是任意名称，必须放在detect目录下。
输出的结果应该类似如下内容：
=== /detect/father_test.jpg ===
Predict father with 0.67 confidence.
注意事项
* 训练数据如果有变化，需要重新进行训练
* 如果只是利用已经生成的模型来检测，则直接运行run_detect.sh就行
* 对于没有训练过的照片的识别率是比较低的，必须先“学习”，然后识别率才会比较高
* 照片越多，训练时间越长，考虑树莓派的运行速度较慢，建议一开始玩每个人的照片在3-5张比较合适，当然如果你愿意等，照片越多准确率越高。
Enjoy it，在此基础上，尝试用你的树莓派摄像头，来做一个人脸识别的们锁吧！
PS:
近期由于“网络安全原因”，部分读者反映有几种异常情况，统一回复如下：
1）在git clone的时候等待很久，实际是因为网络原因无法在github上抓取代码，我把项目代码共享到百度网盘 https://pan.baidu.com/s/1eRJsuJK ，大家可以随意下载。下载后进入face-recognition-master 运行 bash install.sh 即可。
2）有部分用户在执行过程中，显示“docker未安装”，然后长时间等待。这种情况也是因为网络不良导致无法安装docker。建议在树莓派上反复执行：
curl -sSL https://get.docker.com | sh 直到成功为止。
3）镜像下载是一个比较长的过程，建议耐心等待。镜像文件托管到dockerhub上，如果不成功，建议在网络良好的时候执行 docker pull clarkchan/rpi-tensorflow-imagenet
4) 部分用户在执行的时候反映“memory”问题，主要是前几代树莓派内存不足，无法运行程序导致的，请确认你的硬件升级到树莓派3
PS（2018-06-03）：
今天重新运行了一次，发现由于网络原因，原来的安装脚本有些步骤我也不能用了。顺便修改了一下。改了几个地方：
1） docker的安装。由于官网经常失联，安装改为apt-get install docker-ce，不从官网直接下载了。
2）镜像获取的时候，改使用root权限，避免permission denied 问题。
