OpenCV+Dlib+FR人脸识别和对齐

(一) 软件安装

介绍

1. OpenCV
   OpenCV是一个基于BSD许可（开源）发行的跨平台计算机视觉和机器学习软件库，可以运行在Linux、Windows、Android和Mac OS操作系统上。
2. Dlib
   Dlib库是一个包含机器学习算法的C++开源工具包。它在工业和学术界广泛使用，包括机器人技术，嵌入式设备，移动电话和大型高性能计算环境。Dlib的开源许可允许您免费在任何应用程序中使用它。
3. face_recognition
   face_recognition是一个强大、简单、易上手的人脸识别开源项目，并且配备了完整的开发文档和应用案例，特别是兼容树莓派系统。
   是世界上最简洁的人脸识别库，你可以使用Python和命令行工具提取、识别、操作人脸。
   是基于业内领先的C++开源库 dlib中的深度学习模型，用Labeled Faces in the Wild人脸数据集进行测试，有高达99.38%的准确率。但对小孩和亚洲人脸的识别准确率尚待提升。

1. OpenCV安装

OpenCV：命令行输入pip install opencv-python
查看是否安装成功：命令行输入pip list

仅用OpenCV的人脸识别实例代码：转至实例代码1

2. Dlib & face_recognition安装

默认已经安装了OpenCV和Python
Dlib：命令行输入pip install dlib
问题解决：https://blog.csdn.net/weixin_44697140/article/details/106175697

face_recognition：命令行pip install face_recognition
这里要注意版本问题

使用face_recognition：转至实例代码2
68个特征点检测：转至实例代码3

(二) 实例代码

实例代码1：仅OpenCV的人脸识别

import cv2

def detect(filename):
    face_cascade = cv2.CascadeClassifier('Python路径下的/Lib/site-packages/cv2/data/haarcascade_eye.xml')
	//C:/Python39/Lib/site-packages/cv2/data/haarcascade_eye.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('Person Detected!', img)
    cv2.waitKey(0)
    cv2.destroyAllWindows()


if __name__ == '__main__':
    detect('--图片路径--')

实验结果：

原图：

实例代码2：face_recognition

import face_recognition
import cv2

image = face_recognition.load_image_file("--图片路径--")
face_locations_noCNN=face_recognition.face_locations(image)
# A list of tuples of found face locations in css (top, right, bottom, left) order
# 因为返回值的顺序是这样子的，因此在后面的for循环里面赋值要注意按这个顺序来



print("face_location_noCNN:")
print(face_locations_noCNN)
face_num2=len(face_locations_noCNN)
print(face_num2)       # The number of faces
# 到这里为止，可以观察两种情况的坐标和人脸数，一般来说，坐标会不一样，但是检测出来的人脸数应该是一样的
# 也就是说face_num1　＝　face_num２；　face_locations_useCNN　和　face_locations_noCNN　不一样


org = cv2.imread("--图片路径--")
img = cv2.imread("--图片路径--")
cv2.imshow("--图片路径--",img)  # 原始图片




for i in range(0,face_num2):
    top = face_locations_noCNN[i][0]
    right = face_locations_noCNN[i][1]
    bottom = face_locations_noCNN[i][2]
    left = face_locations_noCNN[i][3]

    start = (left, top)
    end = (right, bottom)

    color = (0,255,255)
    thickness = 2
    cv2.rectangle(org, start, end, color, thickness)

cv2.imshow("no cnn ",org)

cv2.waitKey(0)
cv2.destroyAllWindows()

实验结果：

实例代码3：特征点检测

需要下载包：shape_predictor_68_face_landmarks.dat
包放在python路径下的sitepackages里
网盘链接：https://pan.baidu.com/s/1PwKqdIByS0pZ5dKL4_E2bA 提取码：d2dd

#coding=utf-8

import cv2
import dlib

path = "--图片地址--"
img = cv2.imread(path)
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

#人脸分类器
detector = dlib.get_frontal_face_detector()
# 获取人脸检测器
predictor = dlib.shape_predictor(r"C:\Python39\Lib\site-packages\shape_predictor_68_face_landmarks.dat")
dets = detector(gray, 1)
for face in dets:
    shape = predictor(img, face)  # 寻找人脸的68个标定点
    # 遍历所有点，打印出其坐标，并圈出来
    for pt in shape.parts():
        pt_pos = (pt.x, pt.y)
        cv2.circle(img, pt_pos, 2, (0, 255, 0), 1)
    cv2.imshow("image", img)

cv2.waitKey(0)
cv2.destroyAllWindows()

实验结果：

(三) 相关学习网站

问题解决：https://blog.csdn.net/weixin_44697140/article/details/106175697
OpenCV：https://docs.opencv.org/3.3.0/d7/d8b/tutorial_py_face_detection.html
人脸识别（第四章）：https://mooc.study.163.com/course/2001281004?tid=2403042001&trace_c_p_k2=a30ffd1da6024a348e70354906a3b5af#/info