Face recognition practice of 40 line code（40行代码的人脸识别实践）

旧城等待， 2022-05-24 03:41 137阅读 0赞

**1.所用工具**  
Anaconda 3 —— Python 3.5  
Dlib  
numpy  
scipy  
scikit-image

通过 [https://www.lfd.uci.edu/~gohlke/pythonlibs/][https_www.lfd.uci.edu_gohlke_pythonlibs]下载对应的whl,通过pip install xxx.whl 安装  
首先先通过文件树看一下今天需要用到的东西：  
![这里写图片描述][70]  
准备了六个候选人的图片放在 candidate-faces 文件夹中，然后通过camera.py调用系统摄像头获取人脸并拍照 。我们的工作就是要检测到 照片 中的人脸，然后判断她到底是候选人中的谁。

另外的 girl-face-rec.py 是我们的python脚本。shape\_predictor\_68\_face\_landmarks.dat是已经训练好的人脸关键点检测器。dlib\_face\_recognition\_resnet\_model\_v1.dat 是训练好的ResNet人脸识别模型。ResNet是何凯明在微软的时候提出的深度残差网络，获得了 ImageNet 2015 冠军，通过让网络对残差进行学习，在深度和精度上做到了比 CNN 更加强大。

shape\_predictor\_68\_face\_landmarks.dat和dlib\_face\_recognition\_resnet\_model\_v1.dat都可以在这里找到。[http://dlib.net/files/][http_dlib.net_files]。

然后准备几个人的人脸图片作为候选人脸，最好是正脸。放到 candidate-faces 文件夹中。如自己的脸加干扰项

本文这里准备的是六张图片，如下：  
![这里写图片描述][70 1]  
她们分别是  
![这里写图片描述][70 2]  
将xxx.jpg 以及候选人名单改为自己的图片及名字  
**2.识别流程**  
数据准备完毕，接下来就是代码了。识别的大致流程是这样的：

先对候选人进行人脸检测、关键点提取、描述子生成后，把候选人描述子保存起来。  
然后对测试人脸进行人脸检测、关键点提取、描述子生成。  
最后求测试图像人脸描述子和候选人脸描述子之间的欧氏距离，距离最小者判定为同一个人。  
**3.代码**  
代码不做过多解释，因为已经注释的非常完善了。  
以下是 girl-face-rec.py

# -*- coding: UTF-8 -*-
    
    import sys,os,dlib,glob,numpy,camera,cv2
    from skimage import io
    
    if len(sys.argv) !=1:
        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]
    predictor_path = 'shape_predictor_68_face_landmarks.dat'
    
    # 2.人脸识别模型
    
    # face_rec_model_path = sys.argv[2]
    face_rec_model_path = 'dlib_face_recognition_resnet_model_v1.dat'
    
    # 3.候选人脸文件夹
    
    # faces_folder_path = sys.argv[3]
    faces_folder_path = 'candidate-faces'
    
    # 4.需识别的人脸
    
    # img_path = sys.argv[1]
    img_path = camera.Video()
    
    
    
    
    # 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 = ['胡歌','迪丽热巴','关晓彤','古力娜扎','陈都灵','戚薇','xxx']
    
    
    # 候选人和距离组成一个dict
    
    c_d = dict(zip(candidate,dist))
    
    cd_sorted = sorted(c_d.items(), key=lambda d:d[1])#Python3.5中：iteritems变为items
        # App = wx.App(False)
        # S = "2l"
        # S = cd_sorted[0][0]
        # frame = wx.Frame(parent = None,size = [200,200],title= S)
        # frame.Show(True)
        # App.MainLoop()
    print("\n The person is: ",cd_sorted[0][0])
    dlib.hit_enter_to_continue()

以下是 camera.py

import cv2
    
    
    def Video():
        cap = cv2.VideoCapture(0)
        while (1):
            ret, frame = cap.read()
            cv2.imshow("capture", frame)
            if cv2.waitKey(1) & 0xFF == ord('q'):
                cv2.imwrite(r'8.jpg', frame)
                break
        cap.release()
        #cv2.destroyAllWindows()
        cv2.destroyWindow("capture")
        return r'xxx.jpg'

**4.运行结果**  
我们在.py所在的文件夹下打开命令行，运行如下命令 python face-rec.py  
进行自拍后  
运行结果如下：

The person is xxx。

如果遇到错误：ImportError: DLL load failed: 找不到指定的模块  
(1)  
可以先看看是哪个库报错，缩小目标，卸载后通过.whl安装，问题无法解决则  
![这里写图片描述][70 3]  
(2)  
第一步：卸载原始版本，包括Numpy、Scipy、Scikit-Learn  
pip uninstall scikit-learn  
pip uninstall numpy  
pip uninstall scipy

第二步：去到Python安装Scripts目录下，再使用pip install xxx.whl安装，先装Numpy\\Scipy包，再安装Scikit-Learn。

[https_www.lfd.uci.edu_gohlke_pythonlibs]: https://www.lfd.uci.edu/~gohlke/pythonlibs/
[70]: /images/20220524/1dd510f3c762417fa1489120944a8450.png
[http_dlib.net_files]: http://dlib.net/files/
[70 1]: /images/20220524/f58e9e9cfac24da8b1590638ba5ce5ad.png
[70 2]: /images/20220524/ff3420a6a3d44a52b3280e3bda42b5ad.png
[70 3]: /images/20220524/ea990811dcd14446ae35ec4c55fd03c5.png