最近在研究一個人臉識別開源框架face_recognition，編譯需要依賴 dlib、boost、cmake 等相關環境，在編譯的時候，踩了一大堆坑，網上資料大都不是很全面再加上 Windows 環境下去配置這些本身就比 Liunx 或 Mac下配置要相對麻煩一些。如果你是準備在 Windows 環境下編譯，就做好準備踩坑吧~~~
系統環境
- Windows 7
- Python 2.7.14
- VS2015
安裝步驟
1. 首先github.com/davisking/d… 下載整個zip
git clone https://github.com/davisking/dlib](https://github.com/davisking/dlib
複製程式碼2. 前置的一些python庫要安裝, scipy, numpy+mkl 這兩個用pip安裝可能會蛋疼, www.lfd.uci.edu/~gohlke/pyt… 到這裡面找對應版本的wheel, 然後用easy_install就KO了
3. 安裝Boost sourceforge.net/projects/bo… 下載boost-binaries, 最新的,直接點選exe程式等待安裝完畢， 正常的話安裝的目錄是 X:\local\boost_1_XX_X (保持版本名一致, 也就是XX_X別改)
4. 這一步也貌似可以不用 系統變數加上 VS2015的位置 新建一個
VS140COMNTOOLS 值 X:\Program Files (x86)\Microsoft Visual Studio 14.0\Common7\Tools\
複製程式碼5. 去到Boost下面, 雙擊一下 bootstrap.bat , 執行OK之後boost_1_66_0\tools\build資料夾下找到以下兩個檔案
然後開啟一個命令列，定位到這個資料夾，執行命令：
b2 install
複製程式碼執行完之後再執行下面命令：
b2 -a --with-python address-model=64 toolset=msvc runtime-link=static
複製程式碼成功後能找到 stage 資料夾
6.在系統環境配置好下面兩個環境變數
BOOST_ROOT=C:\local\boost_X_XX_X
BOOST_LIBRARYDIR=C:\local\boost_X_XX_X\stage\lib
複製程式碼最後執行以下命令：
python setup.py install --yes USE_AVX_INSTRUCTIONS --yes DLIB_USE_CUDA
複製程式碼CUDA這個, 主要是用在有顯示卡的機器學習, 如果沒有可以不加 完成! 開啟python shell 試一下 import dlib 沒問題就可以
pip install face_recognition
複製程式碼安裝成功之後，我們可以在python中正常 import face_recognition 了
編寫人臉檢測程式
此demo主要展示了識別指定圖片中人臉的特徵資料，下面就是人臉的八個特徵，我們就是要獲取特徵資料
'chin',
'left_eyebrow',
'right_eyebrow',
'nose_bridge',
'nose_tip',
'left_eye',
'right_eye',
'top_lip',
'bottom_lip'
複製程式碼人臉檢測程式碼
# -*- coding: utf-8 -*-
# 自動識別人臉特徵
# filename : find_facial_features_in_picture.py
# 匯入pil模組 ，可用命令安裝 apt-get install python-Imaging
from PIL import Image, ImageDraw
# 匯入face_recogntion模組，可用命令安裝 pip install face_recognition
import face_recognition
# 將jpg檔案載入到numpy 陣列中
image = face_recognition.load_image_file("mayun.jpg")
#查詢影象中所有面部的所有面部特徵
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:
#列印此影象中每個面部特徵的位置
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]))
#讓我們在影象中描繪出每個人臉特徵！
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()
複製程式碼執行結果： 自動識別圖片中的人臉，並且識別它的特徵
原圖：
執行效果：
編寫人臉識別程式
注意：這裡使用了 python-opencv，一定要配置好了opencv才能執行成功。 opencv選擇跟自己python版本相匹配的版本，可以在這個網站（www.lfd.uci.edu/~gohlke/pyt… .whl(我的python版本是2.7所以選擇該版本安裝)，安裝完成之後，開啟 cmd 輸入 import cv2 沒有提示任何錯誤說明安裝成功。
# -*- coding: utf-8 -*-
#
# 檢測人臉
import face_recognition
import cv2
# 讀取圖片並識別人臉
img = face_recognition.load_image_file("mayun.jpeg")
face_locations = face_recognition.face_locations(img)
print face_locations
# 呼叫opencv函式顯示圖片
img = cv2.imread("mayun.jpeg")
cv2.namedWindow("原圖")
cv2.imshow("原圖", img)
# 遍歷每個人臉，並標註
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)
# 顯示識別結果
cv2.namedWindow("人臉識別")
cv2.imshow("人臉識別", img)
cv2.waitKey(0)
cv2.destroyAllWindows()
複製程式碼執行結果： 程式會讀取當前目錄下指定的圖片，然後識別其中的人臉，並標註每個人臉。
攝像頭實時識別人臉
此處因為公司桌上型電腦沒有攝像頭，所以用的Mac上執行這個demo，配置都是差不多的，環境配置好，執行下面程式碼即可
# -*- coding: utf-8 -*-
# 攝像頭實時識別人臉
import face_recognition
import cv2
video_capture = cv2.VideoCapture(0)
# 載入本地圖片
xhb_img = face_recognition.load_image_file("xhb.jpg")
xhb_face_encoding = face_recognition.face_encodings(xhb_img)[0]
# 初始化變數
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:
# 可以自定義設定識別閾值（tolerance）此處設定為0.5，預設為0.6，太小可能識別不出來，太大可能造成識別混淆
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()
複製程式碼執行結果展示
相關資料
- face_recognition
- OpenCv
- Boost C++ Libraries
- 人工智慧之Python人臉識別技術--face_recognition模組
- 應用一個基於Python的開源人臉識別庫face_recognition
踩坑
1.解決 cl.exe 找不到的問題
在裝VS2015時，預設是不安裝C++，你需要重新執行setup ，然後選擇modify,選擇 language 下的C++，然後開始安裝，就可以解決問題了 –來自stackoverflow.com/
2.解決執行 pip install face_recognition 出錯，報SSL Error
方案一(推薦)：在pip安裝所在資料夾路徑下，創造python檔案(.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)
複製程式碼在cmd上執行這個.py檔案即可 之後再用pip install安裝指令下載速度會非常快
方案二：修改加大超時時間
pip --default-timeout=100 install -U pip
複製程式碼再執行下面指令進行安裝
pip --default-timeout=100 install -U face_recognition
複製程式碼3.Python指令碼報錯AttributeError: ‘module’ object has no attribute’xxx’解決方法
最近在編寫Python指令碼過程中遇到一個問題比較奇怪：Python指令碼完全正常沒問題，但執行總報錯"AttributeError: 'module' object has no attribute 'xxx'"。這其實是.pyc檔案存在問題。
問題定位：
檢視import庫的原始檔，發現原始檔存在且沒有錯誤，同時存在原始檔的.pyc檔案
問題解決方法：
- 命名py指令碼時，不要與python預留字，模組名等相同
- 刪除該庫的.pyc檔案（因為py指令碼每次執行時均會生成.pyc檔案；在已經生成.pyc檔案的情況下，若程式碼不更新，執行時依舊會走pyc，所以要刪除.pyc檔案），重新執行程式碼；或者找一個可以執行程式碼的環境，拷貝替換當前機器的.pyc檔案即可