我正在为我们的办公室构建一个自定义的人脸识别系统。

我计划使用Google FaceNet。现在我的问题是，你可以在Keras或PyTorch中找到或创建自己的FaceNet模型，没有问题，但关于创建数据集，我想知道当我没有该人的任何先前照片时，如何最好地捕捉该人的照片，我有的只是一个摄像头和一个人，我应该通过改变光照条件、方向或脸部大小来增加变化吗？

回答：

一个经过适当训练的FaceNet模型应该在某种程度上对光照条件、姿势和其他不应成为识别面部的一部分的特征具有不变性。至少这是FaceNet论文草案中声称的。如果你只打算比较网络生成的特征向量，并且打算识别一小群人，你自己的数据集可能不需要特别大。

我个人做过与你尝试实现的非常类似的事情，涉及大约100人。数据集包含每人一张图片，我使用了一个1-N-N分类器来分类生成的特征向量。虽然我不记得确切的结果，但效果相当好。预训练网络的架构与FaceNet不同，但整体思路是相同的。

然而，唯一真正回答你问题的方法是进行实验，看看实际效果如何。