人脸特征检测--基于DLIB库

港控/mmm° 2023-09-24 08:09 55阅读 0赞

Dlib是一个C++编写的工具包，它包含了机器学习算法以及一些用来解决现实复杂问题的工具，可以广泛应用于机器人、嵌入式设备、手机，甚至高性能计算中，可以在其官网了解更多。这里下载它来试用一下，下载后解压，目录结构如下：

![人脸特征检测--基于DLIB库\_人脸特征检测--基于DLIB库][--_DLIB_--_DLIB]

在examples目录下是C++的一些例子，我们可以参考来学习下怎么使用：

![人脸特征检测--基于DLIB库\_人脸特征检测--基于DLIB库\_02][--_DLIB_--_DLIB_02]

下面基于这个库来检测一下人脸的特征数据，使用Eclipse For CPP IDE新建一个空的C++的Makefile工程，然后新建main.cpp与makefile文件，并复制官方的人脸识别文件到工程目录下，完成后项目结构如下：

![人脸特征检测--基于DLIB库\_人脸特征检测--基于DLIB库\_03][--_DLIB_--_DLIB_03]

"shape\_predictor\_xxxx"就是已经弄好的人脸识别数据文件，可以搜索下载即可。

"2.png"是一张人脸，就取我的证件照吧。

为了能够跳转查看头文件，配置一下dlib库的include路径：

![人脸特征检测--基于DLIB库\_人脸特征检测--基于DLIB库\_04][--_DLIB_--_DLIB_04]

编辑main.cpp文件如下：

\#include

using namespace std;

using namespace cv;

using namespace dlib;

int

main(int argc, char \*argv\[\], char \*\*env) \{

cout << "OpenCV Version: " << CV\_VERSION << endl;

try \{

Mat source=imread("2.png");

cout << "Detecting, wait a minute..." << endl;

double start=static\_cast (getTickCount());

frontal\_face\_detector detector=get\_frontal\_face\_detector();

shape\_predictor pose\_model;

deserialize("shape\_predictor\_68\_face\_landmarks.dat") >> pose\_model;

cv\_image cimg(source);

std::vector<:rectangle> faces=detector(cimg);

std::vector shapes;

for (unsigned long i=0; i < faces.size(); ++i) \{

shapes.push\_back(pose\_model(cimg, faces\[i\]));

if (!shapes.empty()) \{

for (int i=0; i < 68; i++) \{

circle(source, cvPoint(shapes\[0\].part(i).x(), shapes\[0\].part(i).y()),

3, cv::Scalar(0,0,255), -1);

double end=static\_cast (getTickCount());

double seconds=(end-start) / getTickFrequency();

cout << "Detect finish, time: " << seconds << endl;

imshow("Face Feature", source);

waitKey();

catch (exception &e) \{

cout << "\[Error\]: " << e.what() << endl;

return 0;

编辑Makefile文件如下：

TARGET=main

SRC\_FILES=main.cpp \\

/home/linjk/usr/dlib-19.4/dlib/all/source.cpp

COMPILER=g++

CXXFLAGS=-Wall -std=c++11 -lX11 -lpthread

INCLUDE\_DLIB=/home/linjk/usr/dlib-19.4/

LIB\_PATH=/usr/local/lib/

LINK\_LIBS\_OPENCV=-lopencv\_videoio \\

-lopencv\_core \\

-lopencv\_highgui \\

-lopencv\_imgproc \\

-lopencv\_imgcodecs

$(TARGET):$(SRC\_FILES)

$(COMPILER) -o $(TARGET) $(SRC\_FILES) $(CXXFLAGS)\\

-I$(INCLUDE\_DLIB) -L$(LIB\_PATH) $(LINK\_LIBS\_OPENCV)

clean:

rm -rf $(TARGET)

这里定义的目标可执行文件main的编译规则，在其他平台修改这个文件的-I或-L参数，指向正确的路径即可。

编译执行结果如下：

![人脸特征检测--基于DLIB库\_人脸特征检测--基于DLIB库\_05][--_DLIB_--_DLIB_05]

左边是特征点检测结果，右边是从0到67总共68个点的特征数据本地保持，结果输出，检测完用了5.02秒，这里人脸部分图片越小，时间越短，经过Mac与Ubuntu的执行时间对比，Ubuntu比Mac居然快了1秒，而Ubuntu是运行在虚拟机上面的。

后续再用这个数据来进行分析了。

本文永久更新地址：http://www.linuxdiyf.com/linux/31346.html

[--_DLIB_--_DLIB]: https://img-blog.csdnimg.cn/img_convert/f1730f1173fc469ab0b759b8dd64847c.png
[--_DLIB_--_DLIB_02]: https://img-blog.csdnimg.cn/img_convert/64d511d7a5a9acef80f8382cf99132ac.png
[--_DLIB_--_DLIB_03]: https://img-blog.csdnimg.cn/img_convert/c731900502de5ff06aefb4f01d0eb55f.png
[--_DLIB_--_DLIB_04]: https://img-blog.csdnimg.cn/img_convert/5f307f1da87e7b77f58d75de4dc5f83c.png
[--_DLIB_--_DLIB_05]: https://img-blog.csdnimg.cn/img_convert/972daf1c8c4e656d8661cf81157da525.png