Ubuntu 16.04+OpenFace的配置和简单人脸检测

前端之家收集整理的这篇文章主要介绍了Ubuntu 16.04+OpenFace的配置和简单人脸检测前端之家小编觉得挺不错的,现在分享给大家,也给大家做个参考。

  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

  1. $ sudo apt-get install git

  3.编译工具CMake

  1. $ sudo apt-get install cmake

  4.C++标准库安装

  1. $ sudo apt-get install libboost-dev
  2. $ sudo apt-get install libboost-python-dev

  5.下载OpenFace代码

  1. $ git clone https://github.com/cmusatyalab/openface.git

  6.OpenCV安装

  1. $ sudo apt-get install libopencv-dev
  2. $ sudo apt-get install python-opencv

  7.安装包管理工具pip

  1. $ 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

  1. $ pip install --upgrade pip

  8.安装依赖的 PYTHON库

  1. $ cd openface
  2. $ sudo pip install -r requirements.txt
  3. $ sudo pip install dlib
  4. $ 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

  1. $ sudo apt-get install luarocks

  10.安装 TORCH—科学计算框架,支持机器学习算法 

  1. $ git clone https://github.com/torch/distro.git ~/torch --recursive
  2. $ cd torch
  3. $ bash install-deps
  4. $ ./install.sh

   使 torch7 设置的刚刚的环境变量生效

  1. $ 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 

  1. $ luarocks install dpnn

   下面的为选装,有些函数方法可能会用到

  1. $ luarocks install image
  2. $ luarocks install nn
  3. $ luarocks install graphicsmagick
  4. $ luarocks install torchx
  5. $ luarocks install csvigo

  12.编译OpenFace代码

  1. $ python setup.py build
  2. $ sudo python setup.py install

  13.下载预训练后的数据

  1. $ sh models/get-models.sh
  2. $ 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。

  1. $ 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:

  1. import argparse
  2. import cv2
  3. import os
  4. import dlib
  5.  
  6. import numpy as np
  7. np.set_printoptions(precision=2)
  8. import openface
  9.  
  10. from matplotlib import cm
  11.  
  12. fileDir = os.path.dirname(os.path.realpath(__file__))
  13. modelDir = os.path.join(fileDir,'..','models')
  14. dlibModelDir = os.path.join(modelDir,'dlib')
  15.  
  16. if __name__ == '__main__':
  17. parser = argparse.ArgumentParser()
  18. parser.add_argument(
  19. '--dlibFacePredictor',type=str,help="Path to dlib's face predictor.",default=os.path.join(
  20. dlibModelDir,"shape_predictor_68_face_landmarks.dat"))
  21. parser.add_argument(
  22. '--networkModel',help="Path to Torch network model.",default='models/openface/nn4.v1.t7')
  23. # Download model from:
  24. # https://storage.cmusatyalab.org/openface-models/nn4.v1.t7
  25. parser.add_argument('--imgDim',type=int,help="Default image dimension.",default=96)
  26. # parser.add_argument('--width',default=640)
  27. # parser.add_argument('--height',default=480)
  28. parser.add_argument('--width',default=1280)
  29. parser.add_argument('--height',default=800)
  30. parser.add_argument('--scale',default=1.0)
  31. parser.add_argument('--cuda',action='store_true')
  32. parser.add_argument('--image',help='Path of image to recognition')
  33.  
  34. args = parser.parse_args()
  35. if (None == args.image) or (not os.path.exists(args.image)):
  36. print '--image not set or image file not exists'
  37. exit()
  38.  
  39. align = openface.AlignDlib(args.dlibFacePredictor)
  40. net = openface.TorchNeuralNet(
  41. args.networkModel,imgDim=args.imgDim,cuda=args.cuda)
  42.  
  43. cv2.namedWindow('video',cv2.WINDOW_NORMAL)
  44.  
  45. frame = cv2.imread(args.image)
  46. bbs = align.getAllFaceBoundingBoxes(frame)
  47. for i,bb in enumerate(bbs):
  48. # landmarkIndices set "https://cmusatyalab.github.io/openface/models-and-accuracies/"
  49. alignedFace = align.align(96,frame,bb,landmarkIndices=openface.AlignDlib.OUTER_EYES_AND_NOSE)
  50. rep = net.forward(alignedFace)
  51.  
  52. center = bb.center()
  53. centerI = 0.7 * center.x * center.y / \
  54. (args.scale * args.scale * args.width * args.height)
  55. color_np = cm.Set1(centerI)
  56. color_cv = list(np.multiply(color_np[:3],255))
  57.  
  58. bl = (int(bb.left() / args.scale),int(bb.bottom() / args.scale))
  59. tr = (int(bb.right() / args.scale),int(bb.top() / args.scale))
  60. cv2.rectangle(frame,bl,tr,color=color_cv,thickness=3)
  61.  
  62. cv2.imshow('video',frame)
  63.  
  64. cv2.waitKey (0)
  65.  
  66. cv2.destroyAllWindows()

  运行

  1. $ python demos/face_detect.py --image=1.jpg

  结果如下:

猜你在找的Ubuntu相关文章