Face Recognition dlib

Face Recognition dlib

1, a instalação dlib

Escrever código no caderno jupyter no acabamento

notebook jupyter é uma ferramenta

pip instalar jupyter ------------> Instalação

Como começar:

linha de comando, digite: notebook jupyter

configuração do ambiente variável premissa com sucesso

​

dlib 安装 -------------> pip instalar dlib

dlib existem diferentes versões, a versão mais recente (19.17.0), testado dll pacote não está completa, por isso a última utilização do tempo I, um pequeno problema, ao longo do tempo, para reparação

Antes de instalar a versão recomendada (19.8.1)

pip instalar dlib == 19.8.1

2, reconhecimento de face dlib

CV2 e dlib semelhanças e diferenças

Você pode reconhecer rostos

cv2 cascata reconhecer rostos, habilitado algoritmos, dados de característica facial: Haar

dlib subjacente rede neural utilizada é a profundidade

Então precisão de reconhecimento dlib, que opencv (cv2) Alta

pip instalar opencv-python

Podemos no código, o pacote de chumbo

dlib chamar o método apropriado para reconhecer rostos

face_detector = dlib.get_frontal_face_detector ()

Chamada:

Rosto dados de coordenadas

rostos = face_detector (imagem, 1)

Draw:

    for face in faces:
        left = face.left()
        top = face.top()
        right = face.right()
        bottom = face.bottom()
 
        cv2.rectangle(jin,pt1 = (left,top),pt2 = (right,bottom),color = [0,0,255],thickness = 2)

​

3, dlib mais do que um reconhecimento de face

jupyter executar código Ctrl + Enter

Mais do que um rosto e um único código é exatamente o mesmo como reconhecimento de face

4, dlib pode reconhecer faces em vídeo

operação de vídeo, li pela primeira vez o vídeo

Ferramentas CV2 ---------> opencv -------> Visão Computacional

Apresentações, vídeos cada imagem, display

cv2.waitKey (10) --------> milissegundos, sensação de avanço rápido

O vídeo pode detectar o rosto humano, mas o jogo abrandou, e por quê? ? ?

Porque reconhecimento de face, algoritmo, um monte de computação, cálculo, o tempo gasto

5, dlib pode marcar chave rosto pontos (pontos de contorno)

1, reconhecer faces

2, reconhecer rostos pontos-chave esboço

Rosto 68 pontos-chave: a boca, nariz, olhos, sobrancelhas, contorno

forma dlib.shape_predictor = ( './ shape_predictor_68_face_landmarks.dat')

facemarks = forma (jin, cara)

para marca em facemarks.parts ():

x = mark.x

y = mark.y

cv2.circle (jin, centro = (x, y), raio = 2, cor = [0,255,0], espessura = 2)