人脸识别 —— dlib（Python版本）

淩亂°似流年 2021-10-01 04:28 436阅读 0赞

# Dlib介绍 #

Dlib是一个现代C++框架，解决包含机器学习算法以及开发复杂软件的现实问题，它被广泛应用在工业和学术研究领域，包括机器人、嵌入式设备、移动手机以及大规模高性能计算环境中，DLib的开源使得在使用过程中方便，自由。它的主要特点有：文档说明全，高质量的代码，机器学习算法，科学计算算法，图模型推理算法，图像处理，线程，网络编程，图形用户接口，数据压缩与整合算法等，可以参考官网说明：http://dlib.net

# 程序 #

import sys
    import os
    import dlib
    import glob
    import numpy
    from os import listdir
    
    # 1. 人脸关键点检测器
    predictor_path = "shape_predictor_5_face_landmarks.dat"
    
    # 2. 人脸识别模型
    face_rec_model_path = "dlib_face_recognition_resnet_model_v1.dat"
    
    # 3. 候选人脸文件夹
    faces_folder_path = "picture/known"
    
    # 4. 需识别的人脸
    img_path = "picture/unknown/1.jpg"
    
    
    # 1. 加载人脸检测器: detector有两种选择，其中dlib.cnn_face_detection_model_v1使用的cnn进行检测
    detector = dlib.get_frontal_face_detector()
    # detector = dlib.cnn_face_detection_model_v1("mmod_human_face_detector.dat")
    
    # 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)
    
    """
        对文件夹下的每个人脸进行：
        1. 人脸检测
        2. 关键点检测
        3. 描述子提取
    """
    # 候选人脸描述子list
    descriptors = []
    
    # 保存已知的人脸名字
    known_face_names=[]
    
    # win = dlib.image_window()
    
    def getKnownFaceNamesAndDescriptors(path, names, descriptors):
        fileNameList = listdir(path)
        for fileName in fileNameList:
            filePath = path + "/" + fileName
            # filePath = os.path.join(faces_folder_path, fileName)
            index = fileName.rfind('.')
            names.append(fileName[:index])
    
            print("Processing file: {}".format(filePath))
            img = dlib.load_rgb_image(filePath)
            # win.clear_overlay()
            # win.set_image(img)
    
            # 1. 人脸检测
            dets = detector(img, 1)
            print("Number of faces detected: {}".format(len(dets)))
    
            # 处理我们找到的每个人脸
            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，128D向量
                face_descriptor = facerec.compute_face_descriptor(img, shape)
    
                # 转换为numpy array
                v = numpy.array(face_descriptor)
                descriptors.append(v)
    
    
    def recognition(img):
        # 对需要识别的人脸进行同样处理: 人脸检测，关键点检测，描述子提取
        # img = dlib.load_rgb_image(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_)
    
        # 候选人和距离组成一个dict
        c_d = dict(zip(known_face_names, dist))
    
        cd_sorted = sorted(c_d.items(), key=lambda d:d[1])
        print("The preson is:",cd_sorted[0][0])
    # dlib.hit_enter_to_continue()
    
    if __name__ == "__main__":
        # 获取已知图片的名字和描述子
        getKnownFaceNamesAndDescriptors(faces_folder_path, known_face_names, descriptors)
    
        # 加载待识别的图像
        img = dlib.load_rgb_image(img_path)
        # 识别
        recognition(img)

# 备注  #

你可以从以下路径下载需要的文件：

http://dlib.net/files/shape\_predictor\_5\_face\_landmarks.dat.bz2  
http://dlib.net/files/dlib\_face\_recognition\_resnet\_model\_v1.dat.bz2