【Dlib人脸检测】2. 训练人脸检测模型

【 1. 准备数据 】

• 考虑到训练时间和资源等因素，我们使用的极少量的数据集来训练。虽然数据少，但效果很棒，而且流程健全。
• 使用到的图片数据集：
  

训练集

• 我们使用4张图片作为训练集数据。
  其中人脸相关的标注数据，存放于XML文件中，格式如下：

<?xml version='1.0' encoding='ISO-8859-1'?>
<?xml-stylesheet type='text/xsl' href='image_metadata_stylesheet.xsl'?>
<dataset>
<name>Training faces</name>
<comment>These are images from the PASCAL VOC 2011 dataset.</comment>
<images>
  <image file='2007_007763.jpg'>
    <box top='90' left='194' width='37' height='37'/>
    <box top='114' left='158' width='37' height='37'/>
    ...
    <box top='86' left='294' width='37' height='37'/>
    <box top='233' left='309' width='45' height='44'/>
  </image>
  ...
</images>
</dataset>
#	image file 代表图像文件名；
# 	box中 top、left、width和height指定了人脸区域，
#	一张图中可能包含多个人脸，所以可能有多个box。

测试集

• 我们使用5张图片作为测试集数据。
  同样的，其中人脸相关的标注数据，存放于XML文件中，其格式与训练集文件格式相同。

【 2. 使用 Dlib 训练模型 】

• 在准备好训练集和测试集之后，便可以开始训练人脸检测模型。
• 大量的研究和实验表明，在物体检测的领域中，与HOG一起使用的算法中，SVM算法的效果是最好的。由于人脸检测也是物体检测的一种，所以我们的训练模型也会基HOG+SVM。
• 一个完整的训练流程：

1. 设置SVM的参数；
2. 读取用于训练的xml文件training.xml；
3. 获取用于训练集中图片的人脸区域；
4. 将人脸区域转为HOG特征；
5. 将生成的HOG特征作为SVM的输入；
6. SVM训练数据生成模型。

1. 定义参数

人脸检测模型中包含大量可以设置的参数，所以我们首先定义参数设置函数：

options = dlib.simple_object_detector_training_options()

大部分参数，在此我们使用默认值，针对我们的训练集，我们主要设定如下几个参数。

1. C: 对误差的宽容度
   在SVM中，C是惩罚系数，即对误差的宽容度。
   C越高，说明越不能容忍出现误差,容易过拟合；
   C越小，容易欠拟合。C过大或过小，泛化能力变差。
   在本例中我们将C的值设置为5。

options.C = 5

2. add_left_right_image_flips：对图片做镜像处理
   对用于训练的图片做镜像处理，从而将训练集扩大一倍。一般都会设置为True。

options.add_left_right_image_flips = True

3. be_verbose ：输出训练的过程中的相关信息
   是否输出训练的过程中的相关信息。我们设置为True。

options.be_verbose = True

4. num_threads：设置训练时使用的cpu的核数
   设置训练时使用的cpu的核数。在这里我们设置为4。

options.num_threads = 4

2. 训练、生成模型

参数设定完成，就可以进行训练了。
训练函数封装了训练流程的第2到6步，如下：

dlib.train_simple_object_detector(training_xml_path, "detector.svm", options)

其中，training_xml_path 是训练数据标记文件路径，options 可以视为我们前一步设置各种参数的集合，最后我们将检测器输出为 detector.svm文件。

• 完整的训练代码如下：

import dlib
import os

faces_folder = "step2/data/dlib_example_faces" # 数据集路径

# 1. 定义模型训练需要的参数
options = dlib.simple_object_detector_training_options()

# 2.参数设定 
options.add_left_right_image_flips = True	# 对数据集图片做镜像处理
options.C = 5 	# SVM的惩罚因子C为5
options.num_threads = 4 	# 设置训练时使用的cpu的核数为4
options.be_verbose = True	# 输出训练的过程中的相关信息

# 3. 调用训练模型函数
training_xml_path = os.path.join(faces_folder, "training.xml")# 训练集xml路径

# 4. 训练模型
dlib.train_simple_object_detector(training_xml_path, "detector.svm", options)

运行训练程序，输出如下:

objective:     1.79764
objective gap: 0.0611934
risk:          0.0123693
risk gap:      0.0122387
num planes:    111
iter:          1
...
objective:     1.78632
objective gap: 0.049733
risk:          0.0100423
risk gap:      0.0099466
num planes:    113
iter:          205
Training complete.
Trained with C: 5
Training with epsilon: 0.01
Trained using 4 threads.
Trained with sliding window 80 pixels wide by 80 pixels tall.
Upsampled images 1 time to allow detection of small boxes.
Trained on both left and right flipped versions of images.
Saved detector to file detector.svm

3. 检验模型的效果

在训练完成之后，我们可以调用我们训练好的模型并在测试集上测试我们的模型结果，
示例代码如下：

testing_xml_path = os.path.join(faces_folder, "testing.xml")
print("Testing accu\fracy: {}".format(dlib.test_simple_object_detector(testing_xml_path, "detector.svm")))

运行测试程序，输出如下:

Training accu\fracy: precision: 1, recall: 1, average precision: 1
Testing accu\fracy: precision: 1, recall: 1, average precision: 1

下图展示了在下一步中（绘制人脸区域）实际完成的模型效果，可以看出模型效果还不错。