使用Python和dlib进行人脸检测

使用Python和dlib进行人脸检测

“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)  

相关推荐