Dlib是较流行的人脸识别的开源库，使用c++编写，里面包含了许多的机器学习算法，在python中也可以使用。Dlib保持着很好的更新节奏，文档也写得相当清晰，涉及到的资源都有标明在哪里下载，是一个优秀的人脸识别开源库。
在ubuntu下安装Dlib的python库
python是机器学习重要的语言，使用也较为方便，虽然Dlib是用c++编写，同样编译成python一样能很好的应用。
安装的过程也较为简单：
Dlib的开发中使用到boost库，编译时使用cmake，在安装之前要先安装这两样，如果没有安装的话，会报错误：
Command "/usr/bin/python -u -c "import setuptools, tokenize;file='/tmp/pip-build-FnblaA/dlib/setup.py';f=getattr(tokenize, 'open', open)(file);code=f.read().replace('\r\n', '\n');f.close();exec(compile(code, file, 'exec'))" install --record /tmp/pip-BoT1jf-record/install-record.txt --single-version-externally-managed --compile" failed with error code 1 in /tmp/pip-build-FnblaA/dlib/
安装 boost和cmake如下：
apt-get install libboost-python-dev cmake
先安装 Dlib涉及到的库scikit-image，cv2
pip install scikit-image
pip install opencv-python
下面就能够安装Dlib：
pip install dlib
在识别中最重要的是提取物件的特征，同样的在人脸识别上也是一样，需要提取人脸的特征，有了特征以后就能够用来识别。
代码如下：
#!/usr/bin/python
#coding=utf-8
**# 先检测人脸，提取关键点向量
人脸关键点检测器 shape_predictor_5_face_landmarks.dat 在 http://dlib.net/files/shape_predictor_5_face_landmarks.dat.bz2 下载
人脸识别模 dlib_face_recognition_resnet_model_v1.dat 在 http://dlib.net/files/dlib_face_recognition_resnet_model_v1.dat.bz2 下载**
import sys,os,dlib,glob,numpy
from skimage import io
模型
predictor_path = 'shape_predictor_5_face_landmarks.dat'
face_rec_model_path = 'dlib_face_recognition_resnet_model_v1.dat'
需要检测的文件
faces_folder_path = 'faceto'
detector = dlib.get_frontal_face_detector()
sp = dlib.shape_predictor(predictor_path)
facerec = dlib.face_recognition_model_v1(face_rec_model_path)
descriptors = []
for f in glob.glob(os.path.join(faces_folder_path, "*.jpg")):
print("Processing file: {}".format(f))
img = io.imread(f)
先检测人脸
dets = detector(img, 1)
print("Number of faces detected: {}".format(len(dets)))
for k, d in enumerate(dets):
shape = sp(img, d)
在人脸区域中，提取关键点向量，128D向量
face_descriptor = facerec.compute_face_descriptor(img, shape)
转换为numpy array
v = numpy.array(face_descriptor)
print 'face_descriptor',v.shape
print v
在windows下安装Dlib的python库
在windows下，也是要解决两个依赖，cmake和boost库，当然本机已经安装过python了。
cmake较简单，到https://cmake.org/download/ 下安装相应的版本就可以。
boost库需要编译
在 http://www.boost.org/users/history/ 下载需要的版本，
我使用的是 vs2015，进入开发命令行：
C:\Program Files (x86)\Microsoft Visual Studio 14.0>
把下载的boost解压，放到一个特定的目录，进入Boost目录，执行bootstrap.bat，没有报错，会让你执行./b2命令，就能编译完成boost，会生成stage目录，设置环境变量BOOST_ROOT = D:\boost_1_59_0 和 BOOST_LIBRARYDIR = D:\boost_1_59_0\stage\lib
再进行python library的编译
b2 -a --with-python address-model=32 toolset=msvc runtime-link=static
到这里cmake和boost库都已经安装好，接下来跟ubuntu一样，安装scikit-image，cv2和dlib，
pip install scikit-image
pip install opencv-python
pip install dlib
在安装scikit-image如果出现错误的话，
Command "c:\python27\python.exe -u -c "import setuptools, tokenize;file='c:\\users\\\xc1\xd6\xc7\xe5\xc6\xaf\\appdata\\local\\temp\\pip-build-v_gl7g\\scikit-image\\setup.py';f=getattr(tokenize, 'open', open)(file);code=f.read().replace('\r\n', '\n');f.close();exec(compile(code, file, 'exec'))" install --record c:\users\\appdata\local\temp\pip-juqjlo-record\install-record.txt --single-version-externally-managed --compile" failed with error code 1 in c:\users\appdata\local\temp\pip-build-v_gl7g\scikit-image\
解决方式
把stdint.h保存至C:\Users\userName\AppData\Local\Programs\Common\Microsoft\Visual C++ for Python\9.0\VC\include\
再次安装
在github上下载Dlib的源代码，在python_examples下的face_detector.py是用来标注人脸，代码的注解也非常的详细，运行如下：
./face_detector.py ../examples/faces/*.jpg
vs2015编译Dlib代码
需要研究Dlib的代码，有时需要对Dlib进行编译，Dlib是用c++编写，官网下编译代码如下：
进入Dlib的路径
mkdir build
cd build
cmake -G "Visual Studio 14 2015 Win64" ..
cmake --build . --config Release
Dlib就编译完成，这里编译的是Release 版本，在使用的过程中也要用Release 版本，Dlib的例子很多使用opencv，需要把路径和链接库在加进去。
引用路径下添加：
D:\work\dlib-master
D:\work\opencv\build\include
添加c++预处理器：
DLIB_JPEG_SUPPORT
加入库链接：
D:\work\dlib-master\build\dlib\Release\dlib.lib
D:\work\opencv\build\x64\vc14\lib\opencv_world331.lib
在examples中找face_detection_ex.cpp加入到工程中，可以看到和刚才python一样的结果。
非cmake下编译Dlib
需要进一步的了解Dlib源码时，需要边调试边看代码，在编译成lib时是做不了这件事情的，所以我们需要把dlib的加入到工程中。
在http://dlib.net/compile.html 下载 dlib代码，解压到某一个路径下，等下工程需要引用到。
新建一个vs2015的win32控制台应用程序空工程，命名为Dlib_test。
1.右键项目工程->属性->C/C+±>常规->附加包含目录
添加四个目录如下：
D:\work\dlib-master\dlib\external\libjpeg
D:\work\dlib-master\dlib\external\libpng
D:\work\dlib-master\dlib\external\zlib
D:\work\dlib-master
2.设置库目录
工程->属性->链接器->常规->附加库目录
D:\work\dlib-master\dlib D:\work\dlib-master\dlib\external
3.添加对JPG和PNG图片的支持：
属性->C/C+±>预处理器->预处理器定义
DLIB_JPEG_SUPPORT
DLIB_PNG_SUPPORT
4.关闭SDL检查
当SDL检查启用时，编译器会严格检测缓冲区的溢出，这将导致一些函数编译失败。
项目属性->配置属性->C/C+±>SDL检查，选测否。
5.添加资源文件
将下面三个文件夹下的所有文件添加到资源文件中
dlib\external\libjpeg
dlib\external\libpng
dlib\external\zlib
6.添加源文件
添加两个源文件到工程中：
dlib\all\source.cpp
examples\face_landmark_detection_ex.cpp
这个工程如下：
main()函数在face_landmark_detection_ex.cpp下，调试的时候从这个主工程进入，可以看到人脸识别两个最重要的算法，人脸探测detect和特征提取 shape_predictor。