本文要做一個人臉比對功能，輸入兩張圖片，輸出是否同一人，用到了dlib模塊。
dlib是一個可以做人臉檢測和識別的第三方模塊，官方給出預訓練模型在亞洲人臉的識別率不是很理想，我們需要在自己的數據集上重新訓練，提高準確率。

安裝使用dlib模塊

安裝圖片標注工具imglab

制作自己的數據集

訓練人臉檢測模型

人臉比對

人臉檢測和比對源碼下載

---

一、安裝dlib模塊

環境：win10，pip

1、下載“dlib-19.8.1-cp36-cp36m-win_amd64.whl”

百度云鏈接鏈接：https://pan.baidu.com/s/1yTQ_404E_CbQUF4KDxTIYA
提取碼：orgh

2、打開命令行并進入到whl文件所在目錄

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

3、引入dlib模塊

找到dlib安裝路徑，找到dlib.pyd文件，直接復制到項目里，就可以正常引用和調用里面的方法

二、安裝圖片標注工具imglab

1、編譯imglab

官方提供了imglab工具用于制作人臉識別的數據集，遺憾的是官方提供的是源碼，需要我們自己編譯 。這里提供一個編譯好的exe文件下載，能用可以直接跳到數據集制作部分。

鏈接：https://pan.baidu.com/s/1jNArBPkW0S4ifgP_pHbmnA
提取碼：w2re

1）在github下載dlib的源碼，進入到imglab所在目錄，可以看到源碼，需要我們自己編譯。

在imglab下新建build文件夾。

2）安裝vs2019

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

?

3）安裝cmake

安裝好后打開cmake-gui.exe

Configure配置完成后，cmake顯示如下信息，此時點擊【Generate】按鈕，生成exe文件

打開build文件夾，可以發現生成了imglab.exe文件

三、制作自己的數據集

1）新建文件夾images并添加圖片

2）復制imglab.exe到images文件夾下

3）打開命令行，進入到images文件夾下，輸入imglab -c mydataset.xml ./，按回車，在當前目錄生成mydataset.xml文件。

4）命令行輸入imglab mydataset.xml，按回車，打開imglab程序窗口。

5）如果想要訓練的模型檢測出來的人臉可以提取出人臉特征，供后面的人臉識別對接，那么標記圖片的時候需要按照特定方式來標記，標記方式有兩種，一種是68個特征點的標記方式，另一種是5個特征點的標記方式，特征標記順序如下圖：

注意，特征點的順序必須如下圖所示，順序不能錯，不然可以正常訓練，但是訓練出來的模型提取不了特征向量。

68個特征點位置

5個特征點位置

步驟：

按住ctrl+加鼠標滾輪，調整圖片人臉是合適大小

松開ctrl，按住shift鍵，框出人臉位置，剛畫出來的框是紅色

松開shift，雙擊框的線條選中框，選中的框顏色變藍

按住shift，按照標記點位置畫出人臉標記

標記完成的圖片如下：

四、訓練人臉檢測模型

官方預訓練的模型對亞洲人臉的識別度不好，所以如果你有自己的數據集，可以訓練自己的模型來改善這個問題。
人臉識別需要兩個模型，一個是人臉檢測模型，一個是人臉特征提取模型。官方的說法是：人臉特征提取模型是使用幾百萬張圖片訓練出來的，如果你有幾千張圖片，訓練的模型不會對準確率有太大提高，所以應該訓練人臉檢測模型，提高在特定數據集上的準確度。

將images文件夾復制到項目里

運行train_shape_predictor.py 文件，傳入參數./images。

訓練完成，生成模型文件【predictor.dat】，進行測試，結果如下：

五、人臉比對

實現功能：輸入兩張圖片，判斷是否同一人。

人臉比對使用了兩個預訓練的模型：

• 人臉檢測：shape_predictor_68_face_landmarks.dat
• 特征點提取：dlib_face_recognition_resnet_model_v1.dat

其中的人臉檢測模型可以換成我們自己訓練的模型predictor.dat

from skimage import io import numpy as np import dlibdef 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("歐氏距離：{}".format(op1))return op1if __name__ == '__main__':score = comparePic('images/Aaron_Eckhart_0001.jpg','images/Aaron_Guiel_0001.jpg')if score < 0.6:print('同一人')else:print('不是一個人')

六、人臉檢測和比對源碼下載

鏈接：https://pan.baidu.com/s/1X0gBamWDz8cEjm_h1QwmKQ
提取碼：y7uy

?

編輯于 2020-03-13

《新程序員》：云原生和全面數字化實踐50位技術專家共同創作，文字、視頻、音頻交互閱讀

總結

以上是生活随笔為你收集整理的人脸识别-dlib的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。