人脸识别-dlib

2、打开命令行并进入到whl文件所在目录

运行pip install dlib-19.8.1-cp36-cp36m-win_amd64.whl

3、引入dlib模块

找到dlib安装路径，找到dlib.pyd文件，直接复制到项目里，就可以正常引用和调用里面的方法

二、安装图片标注工具imglab

1、编译imglab

官方提供了imglab工具用于制作人脸识别的数据集，遗憾的是官方提供的是源码，需要我们自己编译 。这里提供一个编译好的exe文件下载，能用可以直接跳到数据集制作部分。

链接： https://pan.baidu.com/s/1jNArBPkW0S4ifgP_pHbmnA
提取码：w2re

1）在github下载dlib的源码，进入到imglab所在目录，可以看到源码，需要我们自己编译。

在imglab下新建build文件夹。

2）安装vs2019

https://visualstudio.microsoft.com/zh-hans/vs/​visualstudio.microsoft.com

3）安装cmake

安装好后打开cmake-gui.exe

Configure配置完成后，cmake显示如下信息，此时点击【Generate】按钮，生成exe文件

打开build文件夹，可以发现生成了imglab.exe文件

三、制作自己的数据集

1）新建文件夹images并添加图片

2）复制imglab.exe到images文件夹下

3）打开命令行，进入到images文件夹下，输入imglab -c mydataset.xml ./，按回车，在当前目录生成mydataset.xml文件。

4）命令行输入imglab mydataset.xml，按回车，打开imglab程序窗口。

5）如果想要训练的模型检测出来的人脸可以提取出人脸特征，供后面的人脸识别对接，那么标记图片的时候需要按照特定方式来标记，标记方式有两种，一种是68个特征点的标记方式，另一种是5个特征点的标记方式，特征标记顺序如下图：

注意，特征点的顺序必须如下图所示，顺序不能错，不然可以正常训练，但是训练出来的模型提取不了特征向量。

68个特征点位置

5个特征点位置

步骤：

1. 按住ctrl+加鼠标滚轮，调整图片人脸是合适大小
2. 松开ctrl，按住shift键，框出人脸位置，刚画出来的框是红色
3. 松开shift，双击框的线条选中框，选中的框颜色变蓝
4. 按住shift，按照标记点位置画出人脸标记

标记完成的图片如下：

四、训练人脸检测模型

官方预训练的模型对亚洲人脸的识别度不好，所以如果你有自己的数据集，可以训练自己的模型来改善这个问题。
人脸识别需要两个模型，一个是人脸检测模型，一个是人脸特征提取模型。官方的说法是：人脸特征提取模型是使用几百万张图片训练出来的，如果你有几千张图片，训练的模型不会对准确率有太大提高，所以应该训练人脸检测模型，提高在特定数据集上的准确度。

1. 将images文件夹复制到项目里
2. 运行train_shape_predictor.py 文件，传入参数./images。
3. 训练完成，生成模型文件【predictor.dat】，进行测试，结果如下：

五、人脸比对

实现功能：输入两张图片，判断是否同一人。

人脸比对使用了两个预训练的模型：

• 人脸检测：shape_predictor_68_face_landmarks.dat
• 特征点提取：dlib_face_recognition_resnet_model_v1.dat

其中的人脸检测模型可以换成我们自己训练的模型predictor.dat

from skimage import io
import numpy as np
import dlib

def getVector(picPath):
    print("Processing file: {}".format(picPath))
    detector = dlib.get_frontal_face_detector()
    model1_path = 'shape_predictor_68_face_landmarks.dat'
    model2_path = 'dlib_face_recognition_resnet_model_v1.dat'
    sp = dlib.shape_predictor(model1_path)
    facerec = dlib.face_recognition_model_v1(model2_path)
    img = io.imread(picPath)
    dets = detector(img, 1)
    print("Number of faces detected: {}".format(len(dets)))
    for k, d in enumerate(dets):
        shape = sp(img, d)
        face_descriptor = facerec.compute_face_descriptor(img, shape)
        return np.array(face_descriptor,dtype=float)

def comparePic(pic1,pic2):
    vector1 = getVector(pic1)
    vector2 = getVector(pic2)
    op1 = np.sqrt(np.sum(np.square(vector1 - vector2)))
    print("欧氏距离：{}".format(op1))
    return op1

if __name__ == '__main__':
    score = comparePic('images/Aaron_Eckhart_0001.jpg','images/Aaron_Guiel_0001.jpg')
    if score <  0.6:
        print('同一人')
    else:
        print('不是一个人')

六、人脸检测和比对源码下载

链接： https://pan.baidu.com/s/1X0gBamWDz8cEjm_h1QwmKQ
提取码：y7uy

编辑于 2020-03-13