最近在研究一个人脸识别开源框架face_recognition，编译需要依赖 dlib、boost、cmake 等相关环境，在编译的时候，踩了一大堆坑，网上资料大都不是很全面再加上 Windows 环境下去配置这些本身就比 Liunx 或 Mac下配置要相对麻烦一些。如果你是准备在 Windows 环境下编译，就做好准备踩坑吧~~~
系统环境
- Windows 7
- Python 2.7.14
- VS2015
1. 首先https://github.com/davisking/dlib 下载整个zip
git clone https://github.com/davisking/dlib
2. 前置的一些python库要安装, scipy, numpy+mkl 这两个用pip安装可能会蛋疼, https://www.lfd.uci.edu/~gohlke/pythonlibs/ 到这里面找对应版本的wheel, 然后用easy_install就KO了
3. 安装Boost https://sourceforge.net/projects/boost/files/boost-binaries 下载boost-binaries, 最新的,直接点击exe程序等待安装完毕， 正常的话安装的目录是 X:\local\boost_1_XX_X (保持版本名一致, 也就是XX_X别改)
4. 这一步也貌似可以不用 系统变量加上 VS2015的位置 新建一个
VS140COMNTOOLS 值 X:\Program Files (x86)\Microsoft Visual Studio 14.0\Common7\Tools\
5. 去到Boost下面, 双击一下 bootstrap.bat , 运行OK之后boost_1_66_0\tools\build文件夹下找到以下两个文件
然后开启一个命令行，定位到这个文件夹，运行命令：
b2 install
运行完之后再执行下面命令：
b2 -a --with-python address-model=64 toolset=msvc runtime-link=static
成功后能找到 stage 文件夹
6.在系统环境配置好下面两个环境变量
BOOST_ROOT=C:\local\boost_X_XX_X
BOOST_LIBRARYDIR=C:\local\boost_X_XX_X\stage\lib
最后执行以下命令：
python setup.py install --yes USE_AVX_INSTRUCTIONS --yes DLIB_USE_CUDA
CUDA这个, 主要是用在有显卡的机器学习, 如果没有可以不加 完成! 打开python shell 试一下 import dlib 没问题就可以
pip install face_recognition
安装成功之后，我们可以在python中正常 import face_recognition 了
此demo主要展示了识别指定图片中人脸的特征数据，下面就是人脸的八个特征，我们就是要获取特征数据
'chin',
'left_eyebrow',
'right_eyebrow',
'nose_bridge',
'nose_tip',
'left_eye',
'right_eye',
'top_lip',
'bottom_lip'
人脸检测代码
# -*- coding: utf-8 -*-
# 自动识别人脸特征
# filename : find_facial_features_in_picture.py
# 导入pil模块 ，可用命令安装 apt-get install python-Imaging
from PIL import Image, ImageDraw
# 导入face_recogntion模块，可用命令安装 pip install face_recognition
import face_recognition
# 将jpg文件加载到numpy 数组中
image = face_recognition.load_image_file("mayun.jpg")
#查找图像中所有面部的所有面部特征
face_landmarks_list = face_recognition.face_landmarks(image)
print("I found {} face(s) in this photograph.".format(len(face_landmarks_list)))
for face_landmarks in face_landmarks_list:
#打印此图像中每个面部特征的位置
facial_features = [
'chin',
'left_eyebrow',
'right_eyebrow',
'nose_bridge',
'nose_tip',
'left_eye',
'right_eye',
'top_lip',
'bottom_lip'
]
for facial_feature in facial_features:
print("The {} in this face has the following points: {}".format(facial_feature, face_landmarks[facial_feature]))
#让我们在图像中描绘出每个人脸特征！
pil_image = Image.fromarray(image)
d = ImageDraw.Draw(pil_image)
for facial_feature in facial_features:
d.line(face_landmarks[facial_feature], width=5)
pil_image.show()
运行结果： 自动识别图片中的人脸，并且识别它的特征
原图：
运行效果：
注意：这里使用了 python-opencv，一定要配置好了opencv才能运行成功。 opencv选择跟自己python版本相匹配的版本，可以在这个网站（https://www.lfd.uci.edu/~gohlke/pythonlibs/）下载opencv_python-2.4.13.5-cp27-cp27m-win_amd64 .whl(我的python版本是2.7所以选择该版本安装)，安装完成之后，打开 cmd 输入 import cv2 没有提示任何错误说明安装成功。
# -*- coding: utf-8 -*-
#
# 检测人脸
import face_recognition
import cv2
# 读取图片并识别人脸
img = face_recognition.load_image_file("mayun.jpeg")
face_locations = face_recognition.face_locations(img)
print face_locations
# 调用opencv函数显示图片
img = cv2.imread("mayun.jpeg")
cv2.namedWindow("原图")
cv2.imshow("原图", img)
# 遍历每个人脸，并标注
faceNum = len(face_locations)
for i in range(0, faceNum):
top = face_locations[i][0]
right = face_locations[i][1]
bottom = face_locations[i][2]
left = face_locations[i][3]
start = (left, top)
end = (right, bottom)
color = (55,255,155)
thickness = 3
cv2.rectangle(img, start, end, color, thickness)
# 显示识别结果
cv2.namedWindow("人脸识别")
cv2.imshow("人脸识别", img)
cv2.waitKey(0)
cv2.destroyAllWindows()
运行结果： 程序会读取当前目录下指定的图片，然后识别其中的人脸，并标注每个人脸。
此处因为公司台式机没有摄像头，所以用的Mac上运行这个demo，配置都是差不多的，环境配置好，运行下面代码即可
# -*- coding: utf-8 -*-
# 摄像头实时识别人脸
import face_recognition
import cv2
video_capture = cv2.VideoCapture(0)
# 加载本地图片
xhb_img = face_recognition.load_image_file("xhb.jpg")
xhb_face_encoding = face_recognition.face_encodings(xhb_img)[0]
# 初始化变量
face_locations = []
face_encodings = []
face_names = []
process_this_frame = True
while True:
ret, frame = video_capture.read()
small_frame = cv2.resize(frame, (0, 0), fx=0.25, fy=0.25)
if process_this_frame:
face_locations = face_recognition.face_locations(small_frame)
face_encodings = face_recognition.face_encodings(small_frame, face_locations)
face_names = []
for face_encoding in face_encodings:
# 可以自定义设置识别阈值（tolerance）此处设置为0.5，默认为0.6，太小可能识别不出来，太大可能造成识别混淆
match = face_recognition.compare_faces([xhb_face_encoding], face_encoding,tolerance=0.5)
if match[0]:
name = "xiaohaibin"
else:
name = "unknown"
face_names.append(name)
process_this_frame = not process_this_frame
for (top, right, bottom, left), name in zip(face_locations, face_names):
top *= 4
right *= 4
bottom *= 4
left *= 4
cv2.rectangle(frame, (left, top), (right, bottom), (0, 0, 255), 2)
cv2.rectangle(frame, (left, bottom - 35), (right, bottom), (0, 0, 255), 2)
font = cv2.FONT_HERSHEY_DUPLEX
cv2.putText(frame, name, (left+6, bottom-6), font, 1.0, (255, 255, 255), 1)
cv2.imshow('Video', frame)
if cv2.waitKey(1) & 0xFF == ord('q'):
break
video_capture.release()
cv2.destroyAllWindows()
运行结果展示
- face_recognition
- OpenCv
- Boost C++ Libraries
- 人工智能之Python人脸识别技术--face_recognition模块
- 应用一个基于Python的开源人脸识别库face_recognition
在装VS2015时，默认是不安装C++，你需要重新运行setup ，然后选择modify,选择 language 下的C++，然后开始安装，就可以解决问题了 –来自http://stackoverflow.com/
方案一(推荐)：在pip安装所在文件夹路径下，创造python文件(.py)
import os
ini="""[global]
index-url = https://pypi.doubanio.com/simple/
[install]
trusted-host=pypi.doubanio.com
"""
pippath=os.environ["USERPROFILE"]+"\\pip\\"
if not os.path.exists(pippath):
os.mkdir(pippath)
with open(pippath+"pip.ini","w+") as f:
f.write(ini)
在cmd上运行这个.py文件即可 之后再用pip install安装指令下载速度会非常快
方案二：修改加大超时时间
pip --default-timeout=100 install -U pip
再执行下面指令进行安装
pip --default-timeout=100 install -U face_recognition
最近在编写Python脚本过程中遇到一个问题比较奇怪：Python脚本完全正常没问题，但执行总报错"AttributeError: 'module' object has no attribute 'xxx'"。这其实是.pyc文件存在问题。
问题定位：
查看import库的源文件，发现源文件存在且没有错误，同时存在源文件的.pyc文件
问题解决方法：
- 命名py脚本时，不要与python预留字，模块名等相同
- 删除该库的.pyc文件（因为py脚本每次运行时均会生成.pyc文件；在已经生成.pyc文件的情况下，若代码不更新，运行时依旧会走pyc，所以要删除.pyc文件），重新运行代码；或者找一个可以运行代码的环境，拷贝替换当前机器的.pyc文件即可。