使用Python进行人脸定位和特征点检测

前言

在课上学习了人脸识别相关的入门知识，并运行了授课师姐提供的demo，记录如下：
人脸识别的一般步骤是

1. 人脸检测
2. 人脸对齐
3. 提取人脸特征向量
4. 人脸匹配

出于环境配置方便考虑，这里直接使用了Colab跑demo。运行结果和具体代码见Colab Notebook

人脸定位

利用OpenCV进行人脸定位

环境配置

• 安装python库：opencv-python
• 将haarcascade_frontalface_default.xml文件放在python安装目录/Lib/site-packages/cv2/data/目录下

检测函数

使用时直接调用

def detect(filename):
	# xml文件路径
    face_cascade = cv2.CascadeClassifier('/usr/local/lib/python3.7/dist-packages/cv2/data/haarcascade_frontalface_default.xml')

    img = cv2.imread(filename)
    gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

    faces = face_cascade.detectMultiScale(gray, 1.3, 5)

    for (x, y, w, h) in faces:
        img = cv2.rectangle(img, (x, y), (x + w, y + h), (255, 0, 0), 2)

    cv2_imshow(img)
    cv2.waitKey(0)
    cv2.destroyAllWindows()

利用face_recognition + Dlib进行人脸定位

环境配置

pip install dlib
pip install face_recognition

效果如图

特征点检测

环境配置

需要下载包：shape_predictor_68_face_landmarks.dat
经过效果如图

人脸对齐和人脸识别

“根据上一步检测到的特征点，进行平移旋转等操作，将人脸位于正面，便于机器识别”

将对齐后的人脸输入特征向量提取器得到人脸的特征向量；结果特征向量与数据库中已有的数据进行匹配得到识别结果