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
--
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
2.jpg
3.jpg
4.jpg
结果如下
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:
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: