使用Python和dlib进行人脸检测
xinhao 2018-05-08
“Dlib是一个现代化的C ++工具包，包含用于创建复杂软件的机器学习算法和工具”。它使您能够直接在Python中运行许多任务，其中一个例子就是人脸检测。
安装dlib并不像只做一个“pip install dlib”那么简单，因为要正确配置和编译dlib，您首先需要安装其他系统依赖项。如果你按照这里描述的步骤，它应该很容易让dlib启动并运行。（在本文中，我将介绍如何在Mac上安装dlib，但如果您使用的是Ubuntu，请务必查看相关资源部分的链接。）
你需要确定的第一件事是你已经安装和更新了Hombrew。如果您需要安装它，请将其粘贴到终端中：
$ /usr/bin/ruby -e "$(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/master/install)"
或者，如果您需要更新Hombrew，请输入以下内容：
$ brew update
您现在可以使用Homebrew来安装CMake，Boost.Python，以及在您的系统中正确配置和编译dlib所需的两个依赖关系：
$ brew install cmake $ brew install boost-python
最后，您需要手动下载并安装XQuartz。
您现在已准备好安装dlib。我们将通过首先为这个项目创建一个孤立的虚拟环境来做到这一点。我将使用virtualenv，但您可以使用任何您熟悉的虚拟环境工具，包括Python的venv模块。需要scikit-image库才能读取我们稍后将传递给dlib的图像文件，因此我们还需要pip安装它：
$ virtualenv venv_dlib $ source venv_dlib / bin / activate $ pip install scikit-image $ pip install dlib
就是这样。有了这个，你应该有可用的dlib。
Dlib
Dlib提供了不同的脸部检测算法。我将在这里使用的是基于CNN的人脸检测器。您可以下载预训练模型：https：//github.com/davisking/dlib-models。由于使用此模型的计算成本很高，因此最好在GPU上执行以下代码。使用CPU也可以，但速度会更慢。
要在下面的要点中运行人脸检测代码，我建议首先在虚拟环境中再安装两个库。这些库将使与代码交互和可视化结果更容易：
$ pip install matplotlib $ pip install jupyterlab
安装完库后，您需要确保：
- 下载预训练模型（http://dlib.net/files/mmod_human_face_detector.dat.bz2）并将其存储在项目的根目录中
- 创建一个名为'faces'的新目录，在该目录中存储带有希望检测的脸部的.jpg。
有了这个，你终于准备好开始在图片中检测脸部了！您可以通过在Jupyter Notebook中运行以下代码来完成此操作
import dlib
import matplotlib.patches as patches
import matplotlib.pyplot as plt
from pathlib import Path
from skimage import io
%matplotlib inline
# Load trained model
cnn_face_detector = dlib.cnn_face_detection_model_v1(
'mmod_human_face_detector.dat')
# Function to detect and show faces in images
def detect_face_dlib(img_path, ax):
# Read image and run algorithm
img = io.imread(img_path)
dets = cnn_face_detector(img, 1)
# If there were faces detected, show them
if len(dets) > 0:
for d in dets:
rect = patches.Rectangle(
(d.rect.left(), d.rect.top()),
d.rect.width(),
d.rect.height(),
fill=False,
color='b',
lw='2')
ax.add_patch(rect)
ax.imshow(img)
ax.set_title(str(img_path).split('/')[-1])
# Path to images
images = list(Path('faces').glob('*.jpg'))
# Show results
fig = plt.figure(figsize=(15, 5))
for i, img in enumerate(images):
ax = fig.add_subplot(1, len(images), i+1)
detect_face_dlib(img, ax) 