Dlib库基本使用方法

简介

Dlib是一个用C ++编写的工具库，其中包含一些机器学习方面的算法和软件，用来解决复杂现实世界问题，目前该软件库在工业上和学术界都得到了广泛的使用（该库为开源库）。

主要特点

文档详细：每个类和功能都有完整详细的文档说明。
高质量的可移植代码：适合大部分的平台，如 Windows，Linux、Mac OS X以及 POSIX（可移植操作系统接口）、Solaris（UNIX的衍生版本）、HPUX（惠普9000系列服务器的操作系统）、BSD（Unix的衍生系统）。
机器学习算法：深度学习、大量分类和回归算法、多种svm工具、半度量学习、聚类算法、多层感知机等。
数值算法：矩阵、大整数、随机数运算、一些优化算法等。
图形模型推断算法：贝叶斯网络、马尔科夫链蒙特卡罗方法(MCMC)
图像处理：常见的图像处理（格式转换、色彩空间转换等）、边缘查找、特征提取、姿态检测、人脸识别。
线程：简单的线程API、线程池
联网：可移植的简单的TCP套接字API和基于TCP的服务器对象。
图形用户界面：整个dlib GUI工具包都是线程安全的
数据压缩和完整性算法：加密解密算法、多种压缩算法
测验：线程完全日志、单元模块化测试、多种assert支持
通用工具：xml解析、多种容器类、序列化支持、内存管理器、base64转换、matlab支持。

示例（图像处理）

检测统计图片中人脸的数量并标记出来

import dlib
cnn_face_detector = dlib.cnn_face_detection_model_v1('./mmod_human_face_detector.dat')
win = dlib.image_window()
path='./7person.jpg'
print("处理文件中: {}".format(path))
img = dlib.load_rgb_image(path)
dets = cnn_face_detector(img, 1)#1表示将图片放大一倍，以便检测到更多的人脸
print("检测到人脸数目: {}".format(len(dets)))
for i, d in enumerate(dets):
    print("检测到 {}: Left: {} Top: {} Right: {} Bottom: {} 可信度: {}".format(
        i, d.rect.left(), d.rect.top(), d.rect.right(), d.rect.bottom(), d.confidence))

rects = dlib.rectangles()
rects.extend([d.rect for d in dets])

win.clear_overlay()
win.set_image(img)
win.add_overlay(rects)
dlib.hit_enter_to_continue()

运行结果：

处理文件中: ./7person.jpg
检测到人脸数目: 7
检测到 0: Left: 181 Top: 65 Right: 220 Bottom: 105 可信度: 1.1296461820602417
检测到 1: Left: 385 Top: 134 Right: 432 Bottom: 182 可信度: 1.101375937461853
检测到 2: Left: 37 Top: 118 Right: 105 Bottom: 186 可信度: 1.073663353919983
检测到 3: Left: 451 Top: 151 Right: 508 Bottom: 208 可信度: 1.0721375942230225
检测到 4: Left: 97 Top: 25 Right: 136 Bottom: 65 可信度: 1.0554574728012085
检测到 5: Left: 323 Top: 110 Right: 370 Bottom: 158 可信度: 1.0327470302581787
检测到 6: Left: 293 Top: 37 Right: 332 Bottom: 77 可信度: 0.9874222278594971
Hit enter to continue

在原有基础上添加人脸关键点识别：
注：为了缩短运行时间，这里将目标检测图片替换为仅有单一人脸的图像。

import dlib

predictor_path='./shape_predictor_68_face_landmarks.dat'
imag_path='./testImg.png'

detector = dlib.get_frontal_face_detector()
predictor = dlib.shape_predictor(predictor_path)
win = dlib.image_window()

img = dlib.load_rgb_image(imag_path)

win.clear_overlay()
win.set_image(img)
dets = detector(img, 1)

for k, d in enumerate(dets):
    shape = predictor(img, d)
    win.clear_overlay()
    win.add_overlay(d)
    win.add_overlay(shape)
    face_chip = dlib.get_face_chip(img, shape)
    dlib.hit_enter_to_continue()

运行结果：

除了可以使用dlib库本身有的模型以外，还可以在原来的基础上训练自己的模型。

Dlib与OpenCV

dlib和opencv都有可以进行人脸检测的模块。OpenCV的Haar Cascade运行速度快，但是容易出现将非人脸部分检测为人脸的情况，DNN人脸检测在各方面的表现都比较优秀，但是似乎不能使用NVIDIA GPU。
dlib中实现了SURF、HOG和FHOG的特征提取算法。更够准确检测大部分人脸，对存在遮挡的人脸也能进行正确检测，在少数极端情况下（如俯视、仰视）以及人脸过小的情况下容易出现检测不准确的状况（小脸的情况下，用户可以用小尺寸的图像训练自己的检测器来解决）。
个人认为dlib的鲁棒性强于OpenCV,但是在相同环境下OpenCV的运行速度略快。
dlib官方文档：http://dlib.net/
OpenCV官网：https://opencv.org/#