《深度学习》OpenCV库、Dlib库 人脸检测 案例解析

目录

一、Dlib库

1、什么是Dlib库

2、OpenCV优缺点

1)优点

2)缺点

3、Dlib库优缺点

1)优点

2)缺点

4、安装Dlib库

二、案例实现

1、对图片进行人脸识别

运行结果:

2、使用摄像头或对视频检测人脸

运行结果:


一、Dlib库

1、什么是Dlib库

Dlib库是一个适用于C++Python的第三方库。包含机器学习、计算机视觉和图像处理的工具包,被广泛的应用于机器人、嵌入式设备、移动电话和大型高性能计算环境。是开源许可用户免费使用。

2、OpenCV优缺点

1)优点

可以在CPU上实时工作

简单的架构

可以检测不同比例的人脸

2)缺点

会出现大量的把非人脸预测为人脸的情况

• 不适用于非正面人脸图像

• 不抗遮挡

3、Dlib库优缺点

1)优点

适用于正面略微非正面的人脸

**•**语法极简单

**•**再小的遮挡下仍可工作。

2)缺点

• 不能检测小脸 ,因为它训练数据的最小人脸尺寸为80×80,较小尺寸的人脸数据需自己训练检测器

• 边界框通常排除前额 的一部分甚至下巴的一部分

不适用于侧面极端非正面,如俯视或仰视。

4、安装Dlib库

**1)**pip install dlib -i 镜像地址

**2)**找到dlib库的whl文件进行安装

在whl文件目录下,点击上方文件地址栏,输入cmd,然后使用命令pip install whl文件名即可

二、案例实现

1、对图片进行人脸识别

python 复制代码
import cv2
import dlib


# 使用HOG算法、线性分类器、金字塔图像结构和滑动窗口检测等技术。
# 比opencv提供的harr级联分类器效果更好
"""生成人脸检测器"""
detector = dlib.get_frontal_face_detector()   # 构造脸部位置检测器HOG
img = cv2.imread("people2.png")

# 参数:image:待检测的可能含有人脸的图像。
# 参数n:表示采用上采样的次数。上采样会让图像变大,能够检测到更多人脸对象,提高小人脸的检测效果
# #通常建议将此參数设置为0 或 1。较大的值会增加检测的准确性,但会降低处理速度。
# 返回值faces:返回检测图像中的所有人脸。
faces = detector(img,3)   # 使用构造的脸部位置检测器HOG对图像进行检测,3表示上采样次数
for face in faces:   # 对每个人脸框进行逐个处理
    # 获取人脸框的坐标
    x1 = face.left()   # 获取左边像素点的x坐标
    y1 = face.top()   # 获取上边界y坐标
    x2 = face.right()   # 右边界x坐标
    y2 = face.bottom()   # 下边界y坐标
    # 绘制人脸框
    cv2.rectangle(img,(x1,y1),(x2,y2),(0,255,0),2)

# 是不捕获到的各个人脸框
cv2.imshow("result",img)
cv2.waitKey(0)
cv2.destroyAllWindows()
运行结果:

2、使用摄像头或对视频检测人脸

python 复制代码
import cv2
import dlib

detector = dlib.get_frontal_face_detector()   # 构造脸部位置检测器HOG

cap = cv2.VideoCapture('笑容.mp4')   # 读取视频帧
# cap = cv2.VideoCapture(0)  # 打开摄像头

if not cap.isOpened():   # 如果打开失败
    print("Cannot open camera")
    exit()  # 终止程序

while True:  # 建立死循环,用来不停地读取视频的每一帧画面
    ret, image = cap.read()  # 读取视频帧,返回读入状态的布尔值和图片,一次读取一帧画面
    if not ret:  # 读取失败,则退出循环
        print("不能读取摄像头")
        break

    faces = detector(image,0)   # 使用脸部位置检测器对每一帧画面进行识别,0表示上采样次数

    for face in faces:   # 对每个人脸框进行逐个处理
        x1 = face.left()
        y1 = face.top()
        x2 = face.right()
        y2 = face.bottom()
        # 绘制人脸框
        cv2.rectangle(image,(x1,y1),(x2,y2),(0,255,0),2)
        
    # 展示捕获到的各个人脸框
    cv2.imshow("result",image)
    k = cv2.waitKey(20)   # 每一帧画面执行20毫秒
    if k == 27:   # 如果键盘点击esc键,终止循环
        break
cv2.destroyAllWindows()   # 关闭所有窗口释放资源
运行结果:
相关推荐
喜欢吃豆5 分钟前
一份面向研究人员的强化学习对齐指南:为自定义语言模型实施与评估 PPO 和 DPO
人工智能·语言模型·自然语言处理·架构·大模型
用户68545375977697 分钟前
🚀 Transformer:让AI变聪明的"读心术大师" | 从小白到入门的爆笑之旅
人工智能·后端
金井PRATHAMA15 分钟前
语义与认知中的循环解释悖论及其对人工智能自然语言处理深层语义分析的影响与启示
人工智能·自然语言处理·知识图谱
berryyan32 分钟前
Windows WSL 环境下配置 Claude Code 非官方账号2233.ai完整教程
人工智能·python
道传科技上位机37 分钟前
机器视觉九点标定(现场实用版)
人工智能·数码相机·计算机视觉
张较瘦_40 分钟前
[论文阅读] AI | PynguinML——破解ML库自动化测试难题,覆盖率最高提升63.9%
论文阅读·人工智能
墨利昂44 分钟前
神经网络常用激活函数公式
人工智能·深度学习·神经网络
2501_930799241 小时前
访答知识库,企业知识库,访答浏览器,Al编辑器,RAG,Pdf转word。个人知识库,访答RAG,云知识库,私有知识库……
人工智能
机器之心1 小时前
OpenAI官宣自研造芯,联手博通开发10吉瓦规模的AI加速器
人工智能·openai
机器之心1 小时前
100美元、8000行代码手搓ChatGPT,Karpathy最新开源项目爆火,一夜近5k star
人工智能·openai