人脸识别实践

看到腾讯云社区的一篇文章，突然挺感兴趣的，小菜鸟就趁热打铁试试呗，当然代码来自大佬，我只是代码的搬运工。
一切来源于：https://cloud.tencent.com/developer/article/1004781

1、环境的配置

• 系统Ubuntu 16.04
• anaconda2 （关于anaconda在linux中的应用我会写一下简单命令的总结）
• python27
• dlib(安装只需要在python27环境下执行命令：pip install dlib，有问题按提示就行)
• scikit-image(pip install scikit-image, 因为安装时出现太多依赖未安装，图省事我就直接conda install scikit-image，利用conda安装会将需要的依赖也一起安装) **如果有必要，建议仔细去看一下conda的使用以及conda与pip的区别。
• IDE：pycharm

---

到这里，我觉得有必要了解一下关于dilb以及scikit-image

• dilb: Dlib是一个现代化的C ++工具箱，其中包含用于在C ++中创建复杂软件以解决实际问题的机器学习算法和工具。是C++中的一个标准库，当然这个库也可以自己在GitHub上下载之后编译（https://github.com/davisking/dlib），具体的使用以及介绍可以查阅这个网站：http://dlib.net/ 我粗略看了一下，有很多的算法，也可以找到很多例子，非常棒，有时间好好看。
• scikit-image： 图像处理SciKit。用于SciPy的图像处理算法，包括IO，形态学，滤波，变形，颜色处理，物体检测等。scikit-image是一个专门用于图像处理的Python软件包，并使用本地NumPy数组作为图像对象。
  【
  概念及使用：http://www.scipy-lectures.org/packages/scikit-image/index.html（ps:本文需要全局模式的翻墙）
  官方文档：http://scikit-image.org/docs/stable/user_guide.html
  博客（scikit-image 图像处理）：https://blog.csdn.net/u011532367/article/details/51012975
  】

---

2、代码实现

我自己把代码全程手动码了一遍，看了一遍代码内容，后来运行的时候复制了教程上的，怕自己犯低级的打字错误，但是复制的代码也是存在错误的，一路摸索，翻源码，改格式，哎呀妈呀，终于成功运行了。把我改过的源码贴出来，如下：

# -*- coding: utf-8 -*-
import sys, os, dlib, glob, numpy
from skimage import io

if len(sys.argv) != 5:
    print "请检查参数是否正确"
    exit()

# 1.人脸关键点检测器
predictor_path = sys.argv[1]
# 2.人脸识别模型
face_rec_model_path = sys.argv[2]
# 3.候选人脸文件夹
faces_folder_path = sys.argv[3]
# 4.需识别的人脸
img_path = sys.argv[4]

# 1.加载正脸检测器
detector = dlib.get_frontal_face_detector()
# 2.加载人脸关键点检测器
sp = dlib.shape_predictor(predictor_path)
# 3. 加载人脸识别模型
facerec = dlib.face_recognition_model_v1(face_rec_model_path)

# win = dlib.image_window()

# 候选人脸描述子list
descriptors = []

# 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")):
    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)
        # 画出人脸区域和和关键点
        # win.clear_overlay()
        # win.add_overlay(d)
        # win.add_overlay(shape)

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

        # 转换为numpy array
        v = numpy.array(face_descriptor)
        descriptors.append(v)

# 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)
dist = []

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

    # 计算欧式距离

    for i in descriptors:
        dist_ = numpy.linalg.norm(i-d_test)
        dist.append(dist_)

        # 候选人名单
        candidate = ['liushishi', 'liuyifei', 'usper', 'yangmi']

        # 候选人和距离组成一个dict
        c_d = dict(zip(candidate, dist))
        cd_sorted = sorted(c_d.iteritems(), key=lambda d:d[1])

    print "\n The person is: ", cd_sorted[0][0]
    dlib.hit_enter_to_continue()

这个应该是没有错的了，我自己已经运行过了的。结果如下：

正确率方面仍需探索，这只是初步的结果。