face_liveness_detection

Treinamento de uma Rede Neural Convolucional (CNN, Resnet18) para detecção de vivacidade facial em imagens.

1) Baixar o dataset OULU-NPU (faces detectadas, alinhadas e cropadas em 224x224)

https://drive.google.com/drive/folders/1UfUO_IbeDFVq7oHjMLBnMr5zjB6UaVqR?usp=sharing

unzip oulu-npu_frames_crop224x224.zip    # extrai as imagens

2) Criar e ativar um conda environment (via terminal de comandos)

conda create -n face_liveness_detection python=3.10
conda activate face_liveness_detection

# SEU TERMINAL DEVERÁ FICAR COM ESTA APARÊNCIA
# (face_liveness_detection) <username>@<computer_name>:~$

3) Clonar este repositório (via terminal de comandos)

git clone https://github.com/biesseck/face_liveness_detection.git

4) Instalar bibliotecas Python (via terminal de comandos)

cd face_liveness_detection          # entra no diretório do projeto
pip3 install -r requirements.txt    # instala as dependências python

5) Configurar o path do dataset OULU-NPU que você baixou

• Abra o arquivo configs/oulu-npu_frames_r18.py
• Modifique o path na linha config.dataset_path = '/datasets_ufpr/liveness/oulu-npu_frames_crop224x224'

6) Treinar a CNN Resnet18

export WORLD_SIZE=1; export RANK=0; python train_resnet.py configs/oulu-npu_frames_r18.py