python+opencv+dlib+pyqt5人脸识别实践

关于

本项目基于python，用到了opencv、dlib等开发包，实现了单张训练样本的人脸识别，有较为友好的UI界面，识别速度经优化后尚可。

实现上思路与这篇博客一致，解决了这篇博客中存在的几个问题：

• 每次识别都需要把每个人的人脸样本的特征向量计算一遍，人脸库小的时候看不出差距，但人脸库很大时就显得非常不方便（实测的时候用的400人的人脸库，提取特征就要耗费1分多钟）。
• 用dlib中的方法进行人脸检测的时候速度很慢。
• 没有友好的UI界面。

基于以上问题，采取的解决方案如下：

• 把人脸识别过程分为两阶段：1、提取人脸特征 2、人脸检测+计算欧氏距离；两个阶段分别单独执行，即可加快人脸识别时候的速度。
• 换人脸检测的方法，用opencv中自带的人脸检测器进行人脸检测。
• 用pyqt5绘制界面。

准备工作

• python 3.6.5
• opencv 3.3.1
• numpy 1.14.3
• dlib 19.7.0 （配置方法可见这篇文章）
• pycharm+pyqt5 （配置方法可见这篇文章）

工程目录结构

• E:\
  
  • candidate_face
    
    • liuyifei.jpg
    • tangyan.jpg
    • yangmi.jpg
    • yangzi.jpg
    • zhoudongyu.jpg
  • pyproject
    
    • shape_predictor_68_face_landmarks.dat
    • dlib_face_recognition_resnet_model_v1.dat
    • lbpcascade_frontalface_improved.xml(用于人脸检测，在opencv目录opencv-3.3.1-py36h20b85fd_1\Library\etc\lbpcascades下)
    • FaceRecognition.py
    • main.py
  • test.jpg

人脸识别过程

首先运行FaceRecognition.py，会经历：读取人脸集、人脸检测、提取人脸特征向量、存储人脸特征向量、对单张测试人脸图进行识别、打印识别结果 的过程。
然后运行main.py，会经历：初始化界面、加载各种参数模型、手动选择单张人脸测试图、基于opencv人脸检测器检测人脸、提取该人脸特征向量、计算欧氏距离、找出距离最小的人脸标签、输出人脸识别结果 这么几个过程。

识别结果

闲话

这个项目目前bug多多，准确率也还有很大提高空间，欢迎各位多多交流，这个项目的更多详情请见这里,如果对你也有所帮助，请轻轻点个star（别太重了，怕疼(⊙o⊙)…）。

源码怎会少

• FaceRecognition.py

import os,dlib,numpy,cv2

predictor_path = 'shape_predictor_68_face_landmarks.dat'
face_rc_model_path = 'dlib_face_recognition_resnet_model_v1.dat'
face_folder_path = 'E:\candidate_face'
test_img_path = 'E:\\test.jpg'


# 读取人脸集、人脸标签
def read_data(path):
    try:
        pic_name_list = os.listdir(path)
        pic_list = []
        for i in pic_name_list:
            whole_path = os.path.join(path, i)
            img = cv2.imread(whole_path)
            pic_list.append(img)
    except IOError:
        print('read error')
        return False
    else:
        print('read successfully')
        return pic_name_list, pic_list

# 人脸检测器
detector = dlib.get_frontal_face_detector()

# 关键点检测器
feature_point = dlib.shape_predictor(predictor_path)

# 人脸参数模型
feature_model = dlib.face_recognition_model_v1(face_rc_model_path)

# 候选人特征向量列表
descriptors = []

if __name__ == '__main__':
    name_list, pic_list = read_data(face_folder_path)
    num = 1
    for i in pic_list:
        # 人脸检测
        dets = detector(i, 1)

        for k, d in enumerate(dets):
            # 关键点检测
            shape = feature_point(i, d)

            # 提取特征，128维
            face_feature = feature_mode