現在的人臉識別技術已經得到了非常廣泛的應用，支付領域、身份驗證、美顏相機裏都有它的應用。下面小編給大家帶來了基於50行Python代碼實現人臉檢測功能，一起看看吧。
現在的人臉識別技術已經得到了非常廣泛的應用，支付領域、身份驗證、美顏相機裏都有它的應用。用iPhone的同學們應該對下面的功能比較熟悉。
iPhone的照片中有一個“人物”的功能，能夠將照片裏的人臉識別出來並分類，背後的原理也是人臉識別技術。
這篇文章主要介紹怎樣用Python實現人臉檢測。人臉檢測是人臉識別的基礎。人臉檢測的目的是識別出照片裏的人臉並定位面部特徵點，人臉識別是在人臉檢測的基礎上進一步告訴你這個人是誰。
好了，介紹就到這裏。接下來，開始準備我們的環境。
準備工作
本文的人臉檢測基於dlib，dlib依賴Boost和cmake，所以首先需要安裝這些包，以Ubuntu爲例：
$ sudo apt-get install build-essential cmake
$ sudo apt-get install libgtk-3-dev
$ sudo apt-get install libboost-all-dev
我們的程序中還用到numpy，opencv，所以也需要安裝這些庫：
$ pip install numpy
$ pip install scipy
$ pip install opencv-python
$ pip install dlib
人臉檢測基於事先訓練好的模型數據，從這裏可以下到模型數據
http://dlib.net/files/shape_predictor_68_face_landmarks.dat.bz2
下載到本地路徑後解壓，記下解壓後的文件路徑，程序中會用到。
dlib的人臉特徵點
上面下載的模型數據是用來估計人臉上68個特徵點(x, y)的座標位置，這68個座標點的位置如下圖所示
我們的程序將包含兩個步驟：
第一步，在照片中檢測人臉的區域
第二部，在檢測到的人臉區域中，進一步檢測器官（眼睛、鼻子、嘴巴、下巴、眉毛）
人臉檢測代碼
我們先來定義幾個工具函數：
defrect_to_bb(rect):
x =rect.left()
y =rect.top()
w =rect.right() -x
h =rect.bottom() -y
return(x, y, w, h)
這個函數裏的rect是dlib臉部區域檢測的輸出。這裏將rect轉換成一個序列，序列的內容是矩形區域的邊界信息。
defshape_to_np(shape, dtype="int"):
coords =np.zeros((68, 2), dtype=dtype)
fori inrange(0, 68):
coords[i] =(shape.part(i).x, shape.part(i).y)
returncoords
這個函數裏的shape是dlib臉部特徵檢測的輸出，一個shape裏包含了前面說到的臉部特徵的68個點。這個函數將shape轉換成Numpy array，爲方便後續處理。
defresize(image, width=1200):
r =width *1.0/image.shape[1]
dim =(width, int(image.shape[0] *r))
resized =cv2.resize(image, dim, interpolation=cv2.INTER_AREA)
returnresized
這個函數裏的image就是我們要檢測的圖片。在人臉檢測程序的最後，我們會顯示檢測的結果圖片來驗證，這裏做resize是爲了避免圖片過大，超出屏幕範圍。
接下來，開始我們的主程序部分
importsys importnumpy as np
importdlib importcv2
iflen(sys.argv) < 2:
print"Usage: %s <image file>"%sys.argv[0]
sys.exit(1)
image_file =sys.argv[1]
detector =dlib.get_frontal_face_detector()
predictor =dlib.shape_predictor("shape_predictor_68_face_landmarks.dat")
我們從sys.argv[1]參數中讀取要檢測人臉的圖片，接下來初始化人臉區域檢測的detector和人臉特徵檢測的predictor。shape_predictor中的參數就是我們之前解壓後的文件的路徑。
image =cv2.imread(image_file)
image =resize(image, width=1200)
gray =cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
rects =detector(gray, 1)
在檢測特徵區域前，我們先要檢測人臉區域。這段代碼調用opencv加載圖片，resize到合適的大小，轉成灰度圖，最後用detector檢測臉部區域。因爲一張照片可能包含多張臉，所以這裏得到的是一個包含多張臉的信息的數組rects。
for(i, rect) inenumerate(rects):
shape =predictor(gray, rect)
shape =shape_to_np(shape)
(x, y, w, h) =rect_to_bb(rect)
cv2.rectangle(image, (x, y), (x +w, y +h), (0, 255, 0), 2)
cv2.putText(image, "Face #{}".format(i +1), (x -10, y -10), cv2.FONT_HERSHEY_SIMPLEX, 0.5, (0, 255, 0), 2)
for(x, y) inshape:
cv2.circle(image, (x, y), 2, (0, 0, 255), -1)
cv2.imshow("Output", image)
cv2.waitKey(0)
對於每一張檢測到的臉，我們進一步檢測臉部的特徵（鼻子、眼睛、眉毛等）。對於臉部區域，我們用綠色的框在照片上標出；對於臉部特徵，我們用紅色的點標出來。
最後我們把加了檢測標識的照片顯示出來，waitKey(0)表示按任意鍵可退出程序。
以上是我們程序的全部
測試
接下來是令人興奮的時刻，檢驗我們結果的時刻到來了。
下面是原圖
下面是程序識別的結果
可以看到臉部區域被綠色的長方形框起來了，臉上的特徵（鼻子，眼睛等）被紅色點點標識出來了。
是不是很簡單呢。
總結
以上所述是小編給大家介紹的50行Python代碼實現人臉檢測功能，希望對大家有所幫助，如果大家有任何疑問請給我留言，小編會及時回覆大家的。
公衆號：Python大咖那些事
關注領取更多資料，每日更新Python相關技術文！
Python開發學習交流羣：705673780，一起學習交流哦
