《深度学习》OpenCV库、Dlib库 人脸检测 案例解析

目录

一、Dlib库

1、什么是Dlib库

2、OpenCV优缺点

1）优点

2）缺点

3、Dlib库优缺点

1）优点

2）缺点

4、安装Dlib库

二、案例实现

1、对图片进行人脸识别

运行结果：

2、使用摄像头或对视频检测人脸

运行结果：

---

一、Dlib库

1、什么是Dlib库

        Dlib库是一个适用于C++和Python的第三方库。包含机器学习、计算机视觉和图像处理的工具包，被广泛的应用于机器人、嵌入式设备、移动电话和大型高性能计算环境。是开源许可用户免费使用。

2、OpenCV优缺点

        1）优点

                • 可以在CPU上实时工作

                • 简单的架构

                • 可以检测不同比例的人脸。

        2）缺点

                • 会出现大量的把非人脸预测为人脸的情况

                • 不适用于非正面人脸图像

                • 不抗遮挡。

3、Dlib库优缺点

        1）优点

                • 适用于正面和略微非正面的人脸

                • 语法极简单

                • 再小的遮挡下仍可工作。

        2）缺点

                • 不能检测小脸，因为它训练数据的最小人脸尺寸为80×80，较小尺寸的人脸数据需自己训练检测器

                • 边界框通常排除前额的一部分甚至下巴的一部分

                • 不适用于侧面和极端非正面，如俯视或仰视。

4、安装Dlib库

        1）pip install dlib -i 镜像地址

        2）找到dlib库的whl文件进行安装

                在whl文件目录下，点击上方文件地址栏，输入cmd，然后使用命令pip install whl文件名即可

二、案例实现

1、对图片进行人脸识别

import cv2
import dlib# 使用HOG算法、线性分类器、金字塔图像结构和滑动窗口检测等技术。
# 比opencv提供的harr级联分类器效果更好
"""生成人脸检测器"""
detector = dlib.get_frontal_face_detector()   # 构造脸部位置检测器HOG
img = cv2.imread("people2.png")# 参数:image:待检测的可能含有人脸的图像。
# 参数n:表示采用上采样的次数。上采样会让图像变大，能够检测到更多人脸对象，提高小人脸的检测效果
# #通常建议将此參数设置为0 或 1。较大的值会增加检测的准确性，但会降低处理速度。
# 返回值faces:返回检测图像中的所有人脸。
faces = detector(img,3)   # 使用构造的脸部位置检测器HOG对图像进行检测，3表示上采样次数
for face in faces:   # 对每个人脸框进行逐个处理# 获取人脸框的坐标x1 = face.left()   # 获取左边像素点的x坐标y1 = face.top()   # 获取上边界y坐标x2 = face.right()   # 右边界x坐标y2 = face.bottom()   # 下边界y坐标# 绘制人脸框cv2.rectangle(img,(x1,y1),(x2,y2),(0,255,0),2)# 是不捕获到的各个人脸框
cv2.imshow("result",img)
cv2.waitKey(0)
cv2.destroyAllWindows()

        运行结果：

2、使用摄像头或对视频检测人脸

import cv2
import dlibdetector = dlib.get_frontal_face_detector()   # 构造脸部位置检测器HOGcap = cv2.VideoCapture('笑容.mp4')   # 读取视频帧
# cap = cv2.VideoCapture(0)  # 打开摄像头if not cap.isOpened():   # 如果打开失败print("Cannot open camera")exit()  # 终止程序while True:  # 建立死循环，用来不停地读取视频的每一帧画面ret, image = cap.read()  # 读取视频帧，返回读入状态的布尔值和图片，一次读取一帧画面if not ret:  # 读取失败，则退出循环print("不能读取摄像头")breakfaces = detector(image,0)   # 使用脸部位置检测器对每一帧画面进行识别，0表示上采样次数for face in faces:   # 对每个人脸框进行逐个处理x1 = face.left()y1 = face.top()x2 = face.right()y2 = face.bottom()# 绘制人脸框cv2.rectangle(image,(x1,y1),(x2,y2),(0,255,0),2)# 展示捕获到的各个人脸框cv2.imshow("result",image)k = cv2.waitKey(20)   # 每一帧画面执行20毫秒if k == 27:   # 如果键盘点击esc键，终止循环break
cv2.destroyAllWindows()   # 关闭所有窗口释放资源

        运行结果：