7行代码(OpenCV)的人脸识别
看了《7行Python的人脸识别》一文后，简单尝试了一下，发现识别准确度不够。原始图像如下：
识别后的结果：
把酒杯识别成了人脸，而该是人脸的又没有识别出来，还多余识别了一条裤子。
检查代码，最关键是第2条语句：
face_patterns = cv2.CascadeClassifier('/usr/local/opt/opencv/share/OpenCV/haarcascades/haarcascade_frontalface_default.xml')
我们检查/usr/local/opt/opencv/share/OpenCV这个目录，发现它下面的内容是这样的：
下面有2个子目录，分别是haarcascades和lbpcascades，这里面还包括了眼睛识别，鼻子识别，嘴巴识别等等，甚至还有猫脸识别，此外，光人脸识别就有好几种：frontalface_default, frontalface_alt, frontalface_alt2, frontalface_alt_tree等等，你可以挨个试一下（我试的结果是哪个也不准确）。实际上就是OpenCV通过Haar特征和LBP特征预置了一些事先做好的结果以方便用户调用。关于这些特征是如何提取的，可以参见《图像特征提取三大法宝：HOG特征，LBP特征，Haar特征》。
那我们把第2条语句换成LBP试一下呢？
face_patterns = cv2.CascadeClassifier('/usr/local/opt/opencv/share/OpenCV/lbpcascades/lbpcascade_frontalface.xml')
结果也并不理想，不是没有把人脸识别出来，就是把杯子识别成了人脸，不是多了就是少了，总是不能正确识别所有人脸。
10行代码(dlib)的人脸识别
那么有没有办法提高人脸识别的准确度呢？无意中发现了dlib这个神器，它实现了一篇大牛论文《One Millisecond Face Alignment with an Ensemble of Regression Trees》里的算法，论文标题就叫《用集成回归树实现一毫秒的人脸识别》，可见作者的自信。
膜拜完大神，直接开干！首先，安装dlib以及相关依赖工具:
brew install boost
brew install boost-python
pip install dlib
pip install scikit-image
代码略作改动：
import dlib
from skimage import io
from skimage.draw import polygon_perimeter
detector = dlib.get_frontal_face_detector()
sample_image = io.imread('/Users/zhangjing/Desktop/IMG_5528.jpg')
faces = detector(sample_image, 1)
for d in faces:
rr, cc = polygon_perimeter([d.top(), d.top(), d.bottom(), d.bottom()], [d.right(), d.left(), d.left(), d.right()])
sample_image[rr, cc] = (0, 255, 0)
io.imsave('/Users/zhangjing/Desktop/IMG_5528_detected_dlib.jpg', sample_image)
执行之后效果是这样的：
完美识别！
结论：如果要做人脸识别的话，建议选择dlib，而不要选择OpenCV。