Python通过dlib模块实现人脸识别的案例

环境准备

1. 需要安装Visual Studio （C++平台），否则dlib模块无法安装成功。
2. pip install dlib
3. pip install numpy
4. pip install opencv-python
5. pip install scikit-image

1. 实现给识别的人脸图片加上红色矩形框

import dlib
from skimage import io

# 使用Dilb的正面人脸检测器frontal_face_detector
detector = dlib.get_frontal_face_detector()
# Dlib 的人脸检测模型
predictor = dlib.shape_predictor("shape_predictor_68_face_landmarks.dat")
# 图片所在路径
# img = io.imread("x3.jpg")
img = io.imread("img.png")
# 生成Dlib的图像窗口
win = dlib.image_window()
win.set_image(img)
# 使用detector检测器来检测图像中的人脸
faces = detector(img, 1)
print("人脸数：", len(faces))
for i, d in enumerate(faces):
    print("第", i+1, "个人脸的矩形框坐标：", "left：", d.left(), "right:", d.right, "top：", d.top(), "bottom：", d.bottom)
# 绘制人脸脸部矩形框
win.add_overlay(faces)
# 保持图像
dlib.hit_enter_to_continue()

img.png:

运行效果：


测试如果一张图片中有多张人脸的效果：

2. 画上人脸轮廓

import dlib
from skimage import io

# 使用Dilb的正面人脸检测器frontal_face_detector
detector = dlib.get_frontal_face_detector()
# Dlib 的人脸检测模型
predictor = dlib.shape_predictor("shape_predictor_68_face_landmarks.dat")
# 图片所在路径
# img = io.imread("zsm1.jpg")
img = io.imread("img.png")
# 生成Dlib的图像窗口
win = dlib.image_window()
win.set_image(img)
# 使用detector检测器来检测图像中的人脸
faces = detector(img, 1)
print("人脸数：", len(faces))
for i, d in enumerate(faces):
    print("第", i+1, "个人脸的矩形框坐标：", "left：", d.left(), "right:", d.right, "top：", d.top(), "bottom：", d.bottom)
    # 使用predictor来计算面部轮廓关键点位置
    shape = predictor(img, faces[i])
    # 绘制面部轮廓矩形框
    win.add_overlay(shape)
# 绘制人脸脸部矩形框
win.add_overlay(faces)
# 保持图像
dlib.hit_enter_to_continue()

运行效果：


多张人脸运行效果：

3. 进行利用训练过的模型识别检测

import dlib    # pip install dlib
import glob
import numpy    # pip install numpy
import os
import sys
import cv2  # pip install opencv-python
from skimage import io    # pip install scikit-image
# 编写一个人脸识别程序

if len(sys.argv) != 2:    # 命令行参数
    print("请检查参数是否正确")
    exit()

current_path = os.getcwd()     # 获取当前路径
# 1. 人脸关键点检测器
# premod = "\\model\\shape_predictor_68_face_landmarks.dat"
premod = "shape_predictor_68_face_landmarks.dat"
# predictor_path = current_path + premod
predictor_path = premod

# 2. 人脸识别模型
# recmod = "\\model\\dlib_face_recognition_resnet_model_v1.dat"
recmod = "dlib_face_recognition_resnet_model_v1.dat"
# face_rec_model_path = current_path + recmod
face_rec_model_path = recmod

# 3. 备选人脸文件夹
faces_folder_path = "face_data1"

# 4. 需识别的人脸
img_path = sys.argv[1]
# img_path = "face_data1/img2.png"

# 5. 加载正脸检测器
detector = dlib.get_frontal_face_detector()

# 6. 加载人脸关键点检测器
sp = dlib.shape_predictor(predictor_path)

# 7. 加载人脸识别模型
facerec = dlib.face_recognition_model_v1(face_rec_model_path)

# 8. 加载显示人脸窗体
win = dlib.image_window()
# 候选人脸描述子list
descriptors = []

# 9. 对文件夹下的每一个人脸进行
# （1）人脸检测
# （2）关键点检测
# （3）描述子提取
# for f in glob.glob(os.path.join(faces_folder_path, "*.jpg")):
for f in glob.glob(os.path.join(faces_folder_path, "*.png")):
    print("Processing file: {}".format(f))
    img = io.imread(f)
    win.clear_overlay()
    win.set_image(img)

    # (1)人脸检测
    dets = detector(img, 1)
    print("Number of faces detected: {}".format(len(dets)))

    for k, d in enumerate(dets):
        # (2)关键点检测
        shape = sp(img, d)
        # 画出人脸区域和关键点
        win.clear_overlay()
        win.add_overlay(d)
        win.add_overlay(shape)

        # (3)描述子提取，128维向量
        face_descriptor = facerec.compute_face_descriptor(img, shape)

        # 转换为numpy array
        v = numpy.array(face_descriptor)
        descriptors.append(v)
    # 10. 对需识别人脸进行同样处理
    # 提取描述子，不再注释

    img = io.imread(img_path)
    dets = detector(img, 1)

    adist = []
    for k, d in enumerate(dets):
        shape = sp(img, d)
        face_descriptor = facerec.compute_face_descriptor(img, shape)
        d_test = numpy.array(face_descriptor)

        # 计算欧氏距离（什么是欧式距离：https://wiki.mbalib.com/wiki/%E6%AC%A7%E5%87%A0%E9%87%8C%E5%BE%97%E8%B7%9D%E7%A6%BB）
        # 即两点（正数）之间最短距离
        for i in descriptors:
            dist_ = numpy.linalg.norm(i - d_test)
            adist.append(dist_)
    # 11. 候选人名单
    candidate = ['jiejie', 'jobs', 'meimei', 'zsm1', 'zsm2', 'zsm3']
    c_d = []

    # 12. 候选人和距离组成一个dict
    c_d = dict(zip(candidate, adist))
    print(c_d)
    cd_sorted = sorted(c_d.items(), key=lambda d:d[1])
    print("\n 该照片上的人是：", cd_sorted[0][0])

# note: 模型下载地址：http://dlib.net/files/dlib_face_recognition_resnet_model_v1.dat.bz2

# 运行方法：python 11.6.py img.png
# 运行方法：python 11.6.py img1.png