图片人脸检测——Dlib

马上就五一了，发呆的时候想到了之前接触过一点儿的Dlib，在c++下的使用，正好今天有人问起了会不会OpenCV，于是…

dlib与OpenCV对比：识别精准度：Dlib >= OpenCV，Dlib更多的人脸识别模型，可以检测脸部68甚至更多的特征点。Dlib是一个跨平台的C++公共库，除了线程支持，网络支持，提供测试以及大量工具等等优点，Dlib还是一个强大的机器学习的C++库，包含了许多机器学习常用的算法。同时支持大量的数值算法如矩阵、大整数、随机数运算等等。Dlib同时还包含了大量的图形模型算法。
Dlib主页：http://dlib.net/
之前是在vs环境下，今天主要说一下在ubuntu下的环境配置。人脸标记的算法也是来自Dlib库，Dlib实现了One Millisecond Face Alignment with an Ensemble of Regression Trees中的算法（http://www.csc.kth.se/~vahidk/papers/KazemiCVPR14.pdf，作者为Vahid Kazemi 和Josephine Sullivan）

安装模块：之前使用的一些模块numpy、python-dev、python-scipy、python-matplotlib等，还是“缺啥装啥”就可以。

安装dlib

首先必须安装libboost，不然是不能使用.so库的：

 sudo apt-get install libboost-python-dev cmake

以dlib-18.17为例：下载在自己的一个目录下 链接：https://pan.baidu.com/s/1QWL1XA9E79KiVuTgotPaIA 提取码：qfmz

之后进入python_examples下使用bat文件进行编译，编译需要先安装libboost-python-dev和cmake

cd  /home/*****/dlib-18.17/python_examples

sudo chmod 777 /home/*****/dlib-18.17/python_examples/compile_dlib_python_module.bat 

./compile_dlib_python_module.bat 

之后会得到一个dlib.so，复制到dist-packages目录下即可使用（视自己的电脑python版本而定的对应目录）

sudo cp dlib.so /usr/local/lib/python2.7/dist-packages/
或者 sudo cp dlib.so /usr/local/lib/python3.5/dist-packages/

安装skimage的时候，发现有问题
（1）from skimage import io 报错，找不到模块，直接安装发现pip版本不对

（2）sudo apt-get install python-skimage 发现已经安装

（3）sudo apt-get install scikit-image

之后使用 sudo -H python3 -m pip install scikit-image完成了.whl的安装

需要注意的是，在py文件import的时候，不需要from scikit-image import io，否则会报错“SyntaxError: invalid syntax”输入符号错误，直接使用from skimage import io即可。

测试照片：
控制台命令行输入：python3 test.py ./data/2.jpg

# -*- coding: utf-8 -*-

import sys
import dlib
from skimage import io

#使用dlib自带的frontal_face_detector作为我们的特征提取器
detector = dlib.get_frontal_face_detector()

#使用dlib提供的图片窗口
win = dlib.image_window()

#sys.argv[]是用来获取命令行参数的，sys.argv[0]表示代码本身文件路径，所以参数从1开始向后依次获取图片路径
for f in sys.argv[1:]:

    #输出目前处理的图片地址
    print("Processing file: {}".format(f))

    #使用skimage的io读取图片
    img = io.imread(f)

    #使用detector进行人脸检测 dets为返回的结果
    dets = detector(img, 1)

    #dets的元素个数即为脸的个数
    print("Number of faces detected: {}".format(len(dets)))

    #使用enumerate 函数遍历序列中的元素以及它们的下标
    #下标i即为人脸序号
    #left：人脸左边距离图片左边界的距离 ；right：人脸右边距离图片左边界的距离 
    #top：人脸上边距离图片上边界的距离 ；bottom：人脸下边距离图片上边界的距离
    for i, d in enumerate(dets):
        print("dets{}".format(d))
        print("Detection {}: Left: {} Top: {} Right: {} Bottom: {}"
            .format( i, d.left(), d.top(), d.right(), d.bottom()))

    #也可以获取比较全面的信息，如获取人脸与detector的匹配程度
    dets, scores, idx = detector.run(img, 1)
    for i, d in enumerate(dets):
        print("Detection {}, dets{},score: {}, face_type:{}".format( i, d, scores[i], idx[i]))    

    #绘制图片(dlib的ui库可以直接绘制dets)
    win.set_image(img)
    win.add_overlay(dets)

    #等待点击
    dlib.hit_enter_to_continue()

from skimage import io
import matplotlib.pyplot as plt
img=io.imread(‘2.jpg’)
io.imshow(img)
plt.show()