基于OpenCV、Dlib、Face recognition的人脸识别学习

一、人脸定位（OpenCV）

• 安装opencv-python ：pip install opencv-python 
•  需要包： 'Python路径下/Lib/site-packages/ cv2/data/haarcascade_frontalface_default.xml'

demo代码：

import cv2

def detect(filename):
    face_cascade = cv2.CascadeClassifier('C:/Users/echoz/AppData/Local/Programs/Python/Python37/Lib/site-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('Person Detected!', img)
    cv2.waitKey(0)
    cv2.destroyAllWindows()


if __name__ == '__main__':
    detect('hello.jpg')

 运行结果：

 二、人脸定位（face_recognition)

GitHub项目：face_recognition

该项目目前star数超过3万，是GitHub上最主流的人脸识别工具包之一。 Face_recognition主要参考了OpenFace项目以及谷歌的facenet。

世界上最简洁的人脸识别库，可以使用Python和命令行工具提取、识别、操作人脸。 本项目的人脸识别是基于业内领先的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。

环境：python3.7+opencv+face_recognition

安装命令：

pip install dlib

pip install face_recognition

（若安装dlib库失败，

1. pip install Cmake 安装Cmake库
2. pip install boost 安装boost库
3. pip install dlib  ）

demo代码：

import face_recognition
import cv2

image = face_recognition.load_image_file("test7.jpg")
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("test7.jpg")
img = cv2.imread("test7.jpg")
cv2.imshow("test7.jpg",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()

运行结果：

 

三、人脸特征点检测

Dlib有专门的函数和模型，能够实现人脸68个特征点的定位。找到特征点后，就可以通过图像的几何变换（仿射、旋转、缩放），使各个特征点对齐（将眼睛、嘴等部位移到相同位置）。

• 需要下载包 shape_predictor_68_face_landmarks.dat

demo代码：

#coding=utf-8

import cv2
import dlib

path = "test5.jpg"
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:\Users\echoz\AppData\Local\Programs\Python\Python37\Lib\site-packages\shape_predictor_68_face_landmarks.dat\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()

运行结果：