“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)

结果

在运行代码之后，您应该看到图像中的脸部周围出现蓝色方块，如果您问我，考虑到我们只写了几行代码，这非常棒！