【python】dlib人脸识别初步

安装与初步使用

dlib也是从C++转过来的Python模块，正常安装非常痛苦，需要下载cmake还有boost，所以这里推荐用conda来安装，一行代码轻松搞定

conda install -c conda-forge dlib
1

安装之后就可以使用了，dlib最常用的功能就是人脸识别，下面通过调用HOG算法和CNN算法来实现这一功能。

HOG算法人脸识别

import numpy as np
import matplotlib.pyplot as plt
import dlib
img = plt.imread("test.jpg")

detector = dlib.get_frontal_face_detector()
rect = detector(img, 1)[0]
def drawDetector(img, rect):
    p0 = rect.bl_corner()
    cnrs = [rect.bl_corner(), rect.br_corner(), 
        rect.tr_corner(), rect.tl_corner(), 
        rect.bl_corner()]
    xs = [c.x for c in cnrs]
    ys = [c.y for c in cnrs]
    plt.imshow(img)
    plt.plot(xs, ys, c='g')
    plt.axis('off')
    plt.show()

drawDetector(img, rect)
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20

其中，detector为人脸检测器，其返回值是一个矩形，通过提取矩形的四个点，并连成线之后，就可以把检测到的人脸框选出来，最后得到的效果如下

get_frontal_face_detector是dlib默认的人脸检测器，使用的是HOG算法，其基本思想是计算图像的梯度和方向，然后用直方图对梯度值进行统计得到特征，并将这些特征送入SVM，从而实现分类，并检测出人脸。

CNN人脸识别

提到CNN算法，就基本可以断定想实现某种功能，是需要一个预先训练好的模型才能工作，接下来需要用到的CNN模型，在这里下载mmod_human_face_detector.dat.bz2文件。

下载完成后，解压并调用

p = r"mmod_human_face_detector.dat"     # 模型路径
cnnDetector = dlib.cnn_face_detection_model_v1(p)
1
2

在检测器创建后，其调用方法与内置检测器是完全相同的，但返回值对Rectangle类型进行了二次封装，需要进行调用，代码如下，其识别结果与内置的HOG是相同的。

cnnRect = cnnDetector(img, 1)[0]
drawDetector(img, cnnRect.rect)
1
2

CNN车辆识别

车辆识别

除了人脸识别模型之外，dlib还提供了车辆模型

• mmod_front_and_rear_end_vehicle_detector.dat
• mmod_rear_end_vehicle_detector.dat

接下来测试一下这两个模型的识别效果

p1 = r"mmod_front_and_rear_end_vehicle_detector.dat"
p2 = r"mmod_rear_end_vehicle_detector.dat"
fD = dlib.cnn_face_detection_model_v1(p1)
rD = dlib.cnn_face_detection_model_v1(p2)
1
2
3
4

然后打开一张车辆的图像进行识别

img = plt.imread(r"C:\Users\Laser\Downloads\test.jpg")
fRects = fD(img)
rRects = rD(img)
1
2
3

由于图像中有多个车辆，所以重做一个展示函数

def getXY(rect):
    cnrs = [rect.bl_corner(), rect.br_corner(), 
        rect.tr_corner(), rect.tl_corner(), 
        rect.bl_corner()]
    xs = [c.x for c in cnrs]
    ys = [c.y for c in cnrs]
    return xs, ys
    


def drawDetector(img, rects, ax):
    for r in rects:
        xs, ys = getXY(r.rect)
        ax.plot(xs, ys)
    ax.imshow(img)
    plt.axis('off')
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16

然后绘图

fig = plt.figure()
ax = fig.add_subplot(1,2,1)
drawDetector(img, fRects, ax)
ax = fig.add_subplot(1,2,2)
drawDetector(img, rRects, ax)
plt.show()
1
2
3
4
5
6

效果如下