Ubuntu 16.04+OpenFace的配置和简单人脸检测

  最近项目需要用到人脸训练和检测的东西,选用了OpenFace进行,因而有此文。

  本人主要参考了下面的这两篇博客:

  《ubuntu 16.04 LTS使用开源面部识别库Openface》

  《ubuntu 16.04 LTS上安装Torch7》

  如有雷同,绝非偶然。

  1.python

   Ubuntu 16.04桌面版自带python

  2.git

$ sudo apt-get install git

  3.编译工具CMake

$ sudo apt-get install cmake

  4.C++标准库安装

$ sudo apt-get install libboost-dev
$ sudo apt-get install libboost-python-dev

  5.下载OpenFace代码

$ git clone https://github.com/cmusatyalab/openface.git

  6.OpenCV安装

$ sudo apt-get install libopencv-dev
$ sudo apt-get install python-opencv

  7.安装包管理工具pip

$ sudo apt install python-pip

   更新pip,按上面安装不知道为什么是旧的版本,可能影响下面的操作

$ pip install --upgrade pip

  8.安装依赖的 PYTHON库

$ cd openface
$ sudo pip install -r requirements.txt
$ sudo pip install dlib
$ sudo pip install matplotlib

  9.安装 luarocks—Lua 包管理器,提供一个命令行的方式来管理 Lua 包依赖、安装第三方 Lua 包等功能

$ sudo apt-get install luarocks

  10.安装 TORCH—科学计算框架,支持机器学习算法 

$ git clone https://github.com/torch/distro.git ~/torch --recursive
$ cd torch
$ bash install-deps
$ ./install.sh

   使 torch7 设置的刚刚的环境变量生效

$ source ~/.bashrc

  这里只安装了CPU版本,后面如果需要再更新CUDA的使用方法

  11.安装依赖的 LUA库 

$ luarocks install dpnn

   下面的为选装,有些函数或方法可能会用到

$ luarocks install image
$ luarocks install nn
$ luarocks install graphicsmagick
$ luarocks install torchx
$ luarocks install csvigo

  12.编译OpenFace代码

$ python setup.py build
$ sudo python setup.py install

  13.下载预训练后的数据

$ sh models/get-models.sh
$ wget https://storage.cmusatyalab.org/openface-models/nn4.v1.t7 -O models/openface/nn4.v1.t7

 ————————-到此配置完成,下面是简单的例子————————-

  可以用compare.py(demo文件夹中)给出的示例检测两张脸的相近程度。

$ python demos/compare.py {3.jpg*,4.jpg*}

  1.jpg

Ubuntu 16.04+OpenFace的配置和简单人脸检测_第1张图片

  2.jpg

Ubuntu 16.04+OpenFace的配置和简单人脸检测_第2张图片

  3.jpg

Ubuntu 16.04+OpenFace的配置和简单人脸检测_第3张图片

  4.jpg

Ubuntu 16.04+OpenFace的配置和简单人脸检测_第4张图片

  结果如下

Ubuntu 16.04+OpenFace的配置和简单人脸检测_第5张图片

  可以看到,相同人物之间的距离明显比不同人物要小。

  另外也可以像开始提到的参考文章中一样,写一个检测人脸的程序进行检测,名称为face_detect.py,代码如下:

import argparse
import cv2
import os
import dlib

import numpy as np
np.set_printoptions(precision=2)
import openface

from matplotlib import cm

fileDir = os.path.dirname(os.path.realpath(__file__))
modelDir = os.path.join(fileDir, '..', 'models')
dlibModelDir = os.path.join(modelDir, 'dlib')

if __name__ == '__main__':
    parser = argparse.ArgumentParser()
    parser.add_argument(
        '--dlibFacePredictor',
        type=str,
        help="Path to dlib's face predictor.",
        default=os.path.join(
            dlibModelDir,
            "shape_predictor_68_face_landmarks.dat"))
    parser.add_argument(
        '--networkModel',
        type=str,
        help="Path to Torch network model.",
        default='models/openface/nn4.v1.t7')
    # Download model from:
    # https://storage.cmusatyalab.org/openface-models/nn4.v1.t7
    parser.add_argument('--imgDim', type=int,
                        help="Default image dimension.", default=96)
    # parser.add_argument('--width', type=int, default=640)
    # parser.add_argument('--height', type=int, default=480)
    parser.add_argument('--width', type=int, default=1280)
    parser.add_argument('--height', type=int, default=800)
    parser.add_argument('--scale', type=int, default=1.0)
    parser.add_argument('--cuda', action='store_true')
    parser.add_argument('--image', type=str,help='Path of image to recognition')

    args = parser.parse_args()
    if (None == args.image) or (not os.path.exists(args.image)):
    print '--image not set or image file not exists'
    exit()

    align = openface.AlignDlib(args.dlibFacePredictor)
    net = openface.TorchNeuralNet(
        args.networkModel,
        imgDim=args.imgDim,
        cuda=args.cuda)

    cv2.namedWindow('video', cv2.WINDOW_NORMAL)

    frame = cv2.imread(args.image)  
    bbs = align.getAllFaceBoundingBoxes(frame)
    for i, bb in enumerate(bbs):
    # landmarkIndices set  "https://cmusatyalab.github.io/openface/models-and-accuracies/"
        alignedFace = align.align(96, frame, bb,
                                      landmarkIndices=openface.AlignDlib.OUTER_EYES_AND_NOSE)
        rep = net.forward(alignedFace)

        center = bb.center()
        centerI = 0.7 * center.x * center.y / \
                (args.scale * args.scale * args.width * args.height)
        color_np = cm.Set1(centerI)
        color_cv = list(np.multiply(color_np[:3], 255))

        bl = (int(bb.left() / args.scale), int(bb.bottom() / args.scale))
        tr = (int(bb.right() / args.scale), int(bb.top() / args.scale))
        cv2.rectangle(frame, bl, tr, color=color_cv, thickness=3)

    cv2.imshow('video', frame)

    cv2.waitKey (0)  

    cv2.destroyAllWindows()

  运行

$ python demos/face_detect.py --image=1.jpg

  结果如下:

Ubuntu 16.04+OpenFace的配置和简单人脸检测_第6张图片

你可能感兴趣的:(机器学习,图像处理)