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:
如有雷同,绝非偶然。
1.python
Ubuntu 16.04桌面版自带python
2.git
- $ sudo apt-get install git
3.编译工具CMake
- $ sudo apt-get install cmake
4.C++标准库安装
- $ sudo apt-get install libboost-dev
- $ sudo apt-get install libboost-python-dev
5.下载OpenFace代码
- $ git clone https://github.com/cmusatyalab/openface.git
6.OpenCV安装
- $ sudo apt-get install libopencv-dev
- $ sudo apt-get install python-opencv
7.安装包管理工具pip
- $ 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
- --
8.安装依赖的 PYTHON库
- $ cd openface
- $ sudo pip install -r requirements.txt
- $ sudo pip install dlib
- $ 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
- $ sudo apt-get install luarocks
10.安装 TORCH—科学计算框架,支持机器学习算法
- $ git clone https://github.com/torch/distro.git ~/torch --recursive
- $ cd torch
- $ bash install-deps
- $ ./install.sh
使 torch7 设置的刚刚的环境变量生效
- $ 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
- $ luarocks install dpnn
下面的为选装,有些函数或方法可能会用到
- $ luarocks install image
- $ luarocks install nn
- $ luarocks install graphicsmagick
- $ luarocks install torchx
- $ luarocks install csvigo
12.编译OpenFace代码
- $ python setup.py build
- $ sudo python setup.py install
13.下载预训练后的数据
- $ sh models/get-models.sh
- $ 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。
- $ 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:
- import argparse
- import cv2
- import os
- import dlib
-
- import numpy as np
- np.set_printoptions(precision=2)
- import openface
-
- from matplotlib import cm
-
- fileDir = os.path.dirname(os.path.realpath(__file__))
- modelDir = os.path.join(fileDir,'..','models')
- dlibModelDir = os.path.join(modelDir,'dlib')
-
- if __name__ == '__main__':
- parser = argparse.ArgumentParser()
- parser.add_argument(
- '--dlibFacePredictor',type=str,help="Path to dlib's face predictor.",default=os.path.join(
- dlibModelDir,"shape_predictor_68_face_landmarks.dat"))
- parser.add_argument(
- '--networkModel',help="Path to Torch network model.",default='models/openface/nn4.v1.t7')
- # Download model from:
- # https:
- parser.add_argument('--imgDim',type=int,help="Default image dimension.",default=96)
- # parser.add_argument('--width',default=640)
- # parser.add_argument('--height',default=480)
- parser.add_argument('--width',default=1280)
- parser.add_argument('--height',default=800)
- parser.add_argument('--scale',default=1.0)
- parser.add_argument('--cuda',action='store_true')
- parser.add_argument('--image',help='Path of image to recognition')
-
- args = parser.parse_args()
- if (None == args.image) or (not os.path.exists(args.image)):
- print '--image not set or image file not exists'
- exit()
-
- align = openface.AlignDlib(args.dlibFacePredictor)
- net = openface.TorchNeuralNet(
- args.networkModel,imgDim=args.imgDim,cuda=args.cuda)
-
- cv2.namedWindow('video',cv2.WINDOW_NORMAL)
-
- frame = cv2.imread(args.image)
- bbs = align.getAllFaceBoundingBoxes(frame)
- for i,bb in enumerate(bbs):
- # landmarkIndices set "https://cmusatyalab.github.io/openface/models-and-accuracies/"
- alignedFace = align.align(96,frame,bb,landmarkIndices=openface.AlignDlib.OUTER_EYES_AND_NOSE)
- rep = net.forward(alignedFace)
-
- center = bb.center()
- centerI = 0.7 * center.x * center.y / \
- (args.scale * args.scale * args.width * args.height)
- color_np = cm.Set1(centerI)
- color_cv = list(np.multiply(color_np[:3],255))
-
- bl = (int(bb.left() / args.scale),int(bb.bottom() / args.scale))
- tr = (int(bb.right() / args.scale),int(bb.top() / args.scale))
- cv2.rectangle(frame,bl,tr,color=color_cv,thickness=3)
-
- cv2.imshow('video',frame)
-
- cv2.waitKey (0)
-
- cv2.destroyAllWindows()
运行
- $ python demos/face_detect.py --image=1.jpg
结果如下: