如何使用doppia进行人脸检测

doppia一共提供三种人脸检测方法，分别是DPM，HeadHunter和HeadHunter_baseline，后俩者在使用上没有什么差别，只不过是选择的模型不同，而DPM则可以视为与整个doppia相对立的一部分内容，它使用matlab编译运行，本节主要阐述HeadHunter的使用方法。

人脸检测模块在src/applications/objects_detection/中，假如你编译成功可以看到可执行文件objects_detection，该程序支持多种目标检测，具体要检测什么，主要看你的配置文件，人脸检测采用的配置文件是eccv2014_face_detection_pascal.config.ini，我们可以以此为模版，根据情况修改。 先说一下几个修改的地方，

save_detections = true   设置为true用于保存结果

process_folder = /opt/wangchao/new-fddb/     这个就是你图片保存的目录，注意这里只支持单层目录，假如图片存储在这个目录下的其他目录，那么是读取不了的。

method = gpu_channels  这里可以设置选择cpu或gpu等，我们选择gpu

model = ../../../data/trained_models/face_detection/headhunter.proto.bin  之前提到过HeadHunter和HeadHunter_baseline方法，其不同就在于此处所择的模型不同，我们选择的是HeadHunter，用另一种的话就把路径指向那个就行了。

score_threshold ＝ 0.5 这是一个阈值，调低的话，可以增加召回率，相应的也会降低准确率，关于不同阈值对结果的影响建议参考论文。

还有一些其他的选项，我们暂时可以不用修，改保持默认即可。

另外，运行  ./objects_detection --help 可以看到更多的其他配置选项，接下来运行如下命令可以启动程序：

./objects_detection -c eccv2014_face_detection_pascal.config.ini --gui.disable true --gpu.device_id 1

在这里我们可以看到有俩个额外的选项–gui.disable 和 --gpu.device_id，程序规定，外部选项的优先级高于配置文件，也就是说我们可以用相同的配置文件，而在外部修改其某个选项，来方便测试，这里俩个选项也是我们常用的选项，–gui.disable用来选择是否开启gui，由于我们运行在云主机上，所以选择true，禁用gui；–gpu.device_id用来选择gpu设备，我们的机器有俩张卡，我们选择第二张卡，所以设为1，默认为0.

程序启动后会打印出很多命令，细心的可能会发现如下一条报错信息：

Error parsing text-format doppia_protobuf.DetectorModel: 2:2: Message type "doppia_protobuf.DetectorModel" has no field named "E".

无需介意这条错误信息，它并不会影响程序运行，开发者说此处报错是因为protobuf在选择表达方式，失败后会选择另一种可用的（大概就是这个意思吧），就是说你的程序是在正确运行。

程序运行结束后会在当前目录产生一个类似于2015_09_18_79659_recordings的文件夹，文件夹内有detections.data_sequence，这就是我们所要的结果，但是显然还需要进一步的处理。

 

在doppia根目录下 tools/objects_detection/detections_to_caltech.py 脚本用于帮助我们将.data_sequence转换为我们可以理解的方式，该脚本有俩个选项-i和-o，分别指定.data_sequence和输出目录。

 运行后会在输出目录产生txt文件，文件名是图片名，文件内存储着截取的人脸坐标和置信概率，至此，我们通过doppia完成了人脸检测程序，获得了我们想要的结果。

这里提供俩个脚本，分别是修改过的detections_to_caltech.py和一个人脸截取脚本，修改过后的detections_to_caltech.py可以将所有照片按指定格式存储于一个txt内，人脸截取脚本通过读入该txt从相应照片上扣取人脸。

参考论文：                       Download paper                 

最后附上我用fddb对doppia和dlib分别做的测试结果：

	召回率	准确率	处理速度／单张
doppia	87%	87.2%	约14s
dlib	76.8%	99.3%	0.2s

</pre>fddb_crop.py<pre name="code" class="python">#!/usr/bin/env python
# -*- coding:utf8 -*-

from PIL import Image
import sys
import os

def crop_img_by_half_center(src_file_path, dest_file_path, box):
#    try:
     print src_file_path
     im = Image.open(src_file_path)
     additions=box.split('  ')
     boxs=additions[0].split(' ')
     x,y = im.size
     i = 0
     for i in range(0,4):
        temp1 = boxs[i].split(',')
        temp2 = temp1[0].split('.')
        boxs[i] = temp2[0]
     x0 = int(boxs[0])
     y0 = int(boxs[1])
     x1 = int(boxs[2])
     y1 = int(boxs[3])
     x,y = im.size
     x0 = x0-x1
     x1 = x0+x1+x1
     y1 = y0+y1
     
     if x0<((x1-x0)/4):
        cut0 = x0
     else:
        cut0 = (x1-x0)/4

     if y0<((y1-y0)/3):
        cut1 = y0
     else:
        cut1 = ((y1-y0)/3)

     if x<((x1-x0)/3):
        cut2 = x
     else:
        cut2 = ((x1-x0)/3)

     if y<((y1-y0)/3):
        cut3 = y
     else:
        cut3 = ((y1-y0)/3)
     box = (x0, y0-cut1, x1+cut2, y1+cut3)
     new_im = im.crop(box)
     new_im.save(dest_file_path)
#    except:
#     print 'wrong format'

def walk_through_the_folder_for_crop(aligned_db_folder):
    
    fp = open(aligned_db_folder,'r')
    while 1:
        line = fp.readline()
        if not line:
            break
        line = line.strip('\n')
        src_path = 'new-fddb/'+line+'.jpg'
        num = fp.readline()
        for i in range(1,int(num)+1):
            blank = fp.readline()
            blanks = blank.split('  ')
            img_box = blanks[0]
            dest_img_path = 'out-fddb/'+line+str(i)+'.jpg'
            crop_img_by_half_center(src_path, dest_img_path, img_box)
        
if __name__ == '__main__':
    aligned_db_folder = sys.argv[1]
    walk_through_the_folder_for_crop(aligned_db_folder)

detections_to_caltech.py

#!/usr/bin/env python
# -*- coding: utf-8 -*-

from __future__ import print_function

import os.path
import sys
local_dir = os.path.dirname(sys.argv[0])
sys.path.append(os.path.join(local_dir, ".."))
sys.path.append(os.path.join(local_dir, "../data_sequence"))
sys.path.append(os.path.join(local_dir, "../helpers"))
 
from detections_pb2 import Detections, Detection
from data_sequence import DataSequence

import os, os.path

from optparse import OptionParser


def open_data_sequence(data_filepath):
        
    assert os.path.exists(data_filepath)
    
    the_data_sequence = DataSequence(data_filepath, Detections)
    
    def data_sequence_reader(data_sequence):    
        while True:
            data = data_sequence.read()
            if data is None:
                raise StopIteration
            else:
                yield data
    
    return data_sequence_reader(the_data_sequence)    
    

def parse_arguments():
        
    parser = OptionParser()
    parser.description = \
        "This program takes a detections.data_sequence created by ./objects_detection and converts it into the Caltech dataset evaluation format"

    parser.add_option("-i", "--input", dest="input_path",
                       metavar="FILE", type="string",
                       help="path to the .data_sequence file")
    parser.add_option("-o", "--output", dest="output_path",
                       metavar="DIRECTORY", type="string",
                       help="path to a non existing directory where the caltech .txt files will be created")
                                                  
    (options, args) = parser.parse_args()
    print (options, args)

    if options.input_path:
        if not os.path.exists(options.input_path):
            parser.error("Could not find the input file")
    else:
        parser.error("'input' option is required to run this program")

    if not options.output_path:
        parser.error("'output' option is required to run this program")

    return options 



def create_caltech_detections(detections_sequence, output_path):
    """
    """
    text_file = open(output_path, "w")
    for detections in detections_sequence:
        text_file.write(os.path.splitext(detections.image_name)[0]+'\n')
        i = 0
        for num in detections.detections:
            i = i+1
        text_file.write(str(i)+'\n')
        for detection in detections.detections:
            if detection.object_class != Detection.Pedestrian:
                continue
            
            if False and detection.score < 0:
                # we skip negative scores
                continue
            
            box = detection.bounding_box
            min_x, min_y = box.min_corner.x, box.min_corner.y
            width = box.max_corner.x - box.min_corner.x
            height = box.max_corner.y - box.min_corner.y
            
            adjust_width = True
            if adjust_width:
                # in v3.0 they use 0.41 as the aspect ratio
                # before v3.0 they use 0.43 (measured in their result files)
                #aspect_ratio = 0.41
                aspect_ratio = 0.43
                center_x = (box.max_corner.x + box.min_corner.x) / 2.0
                width = height*aspect_ratio
                min_x = center_x - (width/2)

            # data is [x,y,w,h, score]
            detection_data = []            
            detection_data += [min_x, min_y]
            detection_data += [width, height]
            detection_data += [detection.score]
            detection_line = ", ".join([str(x) for x in detection_data]) + "\n"
            text_file.write(detection_line)
            
    text_file.close()
    return

def detections_to_caltech(input_path, output_path):
    
    # get the input file
    #input_file = open(options.input_path, "r")
    detections_sequence = open_data_sequence(input_path)

    # convert data sequence to caltech data format
    create_caltech_detections(detections_sequence, output_path)
    
    return

def main():
    
    options = parse_arguments()    
    detections_to_caltech(options.input_path, options.output_path)
    return


if __name__ == "__main__":
        
    # Import Psyco if available
    try:
        import psyco
        psyco.full()
    except ImportError:
        #print("(psyco not found)")
        pass
    else:
        print("(using psyco)")
      
    main()