人脸检测（一）——MTCNN集成包安装使用指南

0. 引言

初衷：　　
　　当前已经有很多博客对MTCNN的原理分析，不过对于很多从事人脸研究（非人脸检测）的小伙伴而言，人脸检测只是一个前置步骤，并不需要了解太多，更不需要做技术上的创新，只需要效果不错的人脸检测工具箱就好。
　　既然只是需要一个工具箱，自然选择尽量省事的方法，也就是不需要我们训练网络的方法。因此，本指南只面向于将人脸检测作为工具箱的小伙伴，若想进一步研究的大佬，请移步github查找MTCNN的代码。
　　本文参考：https://github.com/ipazc/mtcnn

1. 安装

1. 环境
   python >= 3.4
   opencv >= 4.1
   tensorflow >=1.12.0

conda install tensorflow-gpu
pip install opencv-python

2. 安装

pip install mtcnn

整个安装过程就是这么简单

2. 使用

1. 检测
   我们用Vggface数据库中的一张图片进行测试
   

from mtcnn.mtcnn import MTCNN
import cv2

img = cv2.imread("/vggface2/test/n000001/0001_01.jpg")
detector = MTCNN()
face = detector.detect_faces(img)
print(face)

2. 坐标输出
   运行上述指令，会得到以下结果

[{'box': [57, 71, 79, 97],
 'confidence': 0.9995273351669312, 
 'keypoints': {'left_eye': (73, 110), 
 				'right_eye': (106, 104), 
 				'nose': (89, 133), 
 				'mouth_left': (82, 147), 
 				'mouth_right': (114, 141)}}]

上述数值分别表示：
　　box：[x, y, width, height]，x，y是人脸框左上角坐标的位置，width是框的宽度，height是框的高度。
　　cofidence：自信度
　　keypoints：左/右眼，左/右嘴角，鼻子，五个关键点的坐标

3. 可视化
   有了坐标就可以在图中绘制了
   检测的结果是一个被矩阵包围的多层字典，因此需要一层又一层把坐标信息提取出来

face = face[0]
#画框
box = face["box"]

I = cv2.rectangle(img, (box[0],box[1]),(box[0]+box[2], box[1]+box[3]), (255, 0, 0), 2)

#画关键点
left_eye = face["keypoints"]["left_eye"]
right_eye = face["keypoints"]["right_eye"]
nose = face["keypoints"]["nose"]
mouth_left = face["keypoints"]["mouth_left"]
mouth_right = face["keypoints"]["mouth_right"]

points_list = [(left_eye[0], left_eye[1]),
               (right_eye[0], right_eye[1]),
               (nose[0], nose[1]),
               (mouth_left[0], mouth_left[1]),
               (mouth_right[0], mouth_right[1])]
for point in points_list:
	cv2.circle(I, point, 1, (255, 0, 0), 4)
#保存
cv2.imwrite('result.jpg',I,[int(cv2.IMWRITE_JPEG_QUALITY),70])

效果如下：

当然也可以根据个人需求，不需要画出五个关键点