CeleA是香港中文大学的开放数据，包含10177个名人身份的202599张图片，并且都做好了特征标记，这对人脸相关的训练是非常好用的数据集。

官网链接

网盘链接

别看只是一堆人脸，他们很贴心地做好了特征标记，也就是说，你可以找到类似下面这些标签：

40种属性：

01 5_o_Clock_Shadow 胡子，（清晨刮脸的人傍晚已长出的短髭 ） -1 
02 Arched_Eyebrows 柳叶眉 1 
03 Attractive 有魅力的 1 
04 Bags_Under_Eyes 眼袋 -1 
05 Bald 秃头的 -1 
06 Bangs 刘海 -1 
07 Big_Lips 大嘴唇 -1 
08 Big_Nose 大鼻子 -1 
09 Black_Hair 黑发 -1 
10 Blond_Hair 金发 -1 
11 Blurry 睡眼惺松的 -1 
12 Brown_Hair 棕发 1 
13 Bushy_Eyebrows 浓眉 -1 
14 Chubby 丰满的 -1 
15 Double_Chin 双下巴 -1 
16 Eyeglasses 眼镜 -1 
17 Goatee 山羊胡子 -1 
18 Gray_Hair 白发，灰发 -1 
19 Heavy_Makeup 浓妆 1 
20 High_Cheekbones 高颧骨 1 
21 Male 男性 -1 
22 Mouth_Slightly_Open 嘴轻微的张开 1 
23 Mustache 胡子 -1 
24 Narrow_Eyes 窄眼 -1 
25 No_Beard 没有胡子 1 
26 Oval_Face 瓜子脸，鹅蛋脸 -1 
27 Pale_Skin 白皮肤 -1 
28 Pointy_Nose 尖鼻子 1 
29 Receding_Hairline 发际线; 向后梳得发际线 -1 
30 Rosy_Cheeks 玫瑰色的脸颊 -1 
31 Sideburns 连鬓胡子，鬓脚 -1 
32 Smiling 微笑的 1 
33 Straight_Hair 直发 1 
34 Wavy_Hair 卷发; 波浪发 -1 
35 Wearing_Earrings 戴耳环 1 
36 Wearing_Hat 带帽子 -1 
37 Wearing_Lipstick 涂口红 1 
38 Wearing_Necklace 带项链 -1 
39 Wearing_Necktie 戴领带 -1 
40 Young 年轻人 1

文件含义

进入百度网盘可以看到多个文件，但是都是干什么的呢？应该下载哪个来用呢？

在动手下载之前，最好先读读README文件，里面有比较详细的描述，这里只简单介绍一下：

• Img文件夹下是所有图片，图片又分三类文件：

图中可以看到，人脸图片的名字只是简单的编号，那肤色、发色、眼镜、性别等特征标签在哪呢，在之前的“Anno”文件夹中：

第一个“list_attr_celeba.txt”文本文件就记录了每一张图片的特征标签：

如图所示，第一行表示图片个数，第二行是特征类型，以空格分开，可以看到有超多特征。下面的行就是每张图片的标记了，第一列是图片名，后面的每个数字对应每一个特征，1表示正例，-1表示反例。

这样我们就有了图片和特征描述了，那怎么筛选出我们要的人脸图片呢？

假设我们要把所有人脸分成戴了眼镜的和没戴眼镜的两份集合，来训练从戴眼镜到不戴眼镜的转换。一个个地人眼去看去分类显然是不现实的，描述文件的意义就在于此。

我们可以写一份Python代码来遍历txt中每一张图片对应的“Eyeglasses”属性列，看是不是1，从而判断对应图片是否戴了眼镜。

数一数可以知道“Eyeglasses”是第16个属性，这样，我们可以读取这份属性描述txt，遍历每一行，看对应列是否是1，从而将图片名筛分到两个txt中去：

1. f = open("list_attr_celeba.txt")
2. newTxt = "glass.txt"
3. newf = open(newTxt, "a+")
4. newNoTxt = "noGlass.txt"
5. newNof = open(newNoTxt, "a+")
6. #跳过第一行202599
7. line = f.readline()
8. #跳过第二行属性名称
9. line = f.readline()
10. #第三行开始操作
11. line = f.readline()
12. while line:
13. array = line.split()
14. if (array[16] == "-1"):
15. new_context = array[0] + '\n'
16. newNof.write(new_context)
17. else:
18. new_context = array[0] + '\n'
19. newf.write(new_context)
20. line = f.readline()
21. lines = len(newf.readlines())
22. print ("There are %d lines in %s" % (lines, newTxt))
23. lines = len(newNof.readlines())
24. print ("There are %d lines in %s" % (lines, newNoTxt))
25. f.close()
26. newf.close()
27. newNof.close()

筛选图片

得到两个记录了有无戴眼镜的图片名集合txt后，我们就可以根据这个来筛选图片了。

图片共二十多万张，我们如果采用针对一个txt中每个图片名都去从头到尾到文件夹里找一次的方案，处理起来就太慢了。

这里我们采取更快速的方法，遍历文件夹中所有图片，对于遇到的每个图片名（当然，因为文件夹中不止图片，所以先判断是否是图片，也就是后缀是否是.jpg），去记录有无戴眼镜的两个txt中分别找是否包含该图片名，哪个包含，则把该图片移动到对应文件夹下去。

这里还可以优化的是，在txt中找图片名时，也不能每次要找都从头到尾找，而要记录上次找到的位置，因为图片名时按顺序排好的，所以下一张要找的图片名一定会在下面的行，而不会在之前出现过的行，这样也可以提速。

由于两个txt中行数不一致（有无戴眼镜的图片数量不同），所以要判断当一个txt全部找完后，之后就不要再去该txt中找了，更不要继续往后移动行，这样会出错的。

整体优化完成后代码如下：

1. mport os
2. import shutil
3. nof = open("noGlass.txt")
4. hasf = open("glass.txt")
5. noLine = nof.readline()
6. hasLine = hasf.readline()
7. list = os.listdir("./CelebA/Img/img_align_celeba")
8. hasGo = True
9. noGo = True
10. for i in range(0, len(list)):
11. imgName = os.path.basename(list[i])
12. if (os.path.splitext(imgName)[1] != ".jpg"): continue
13. noArray = noLine.split()
14. if (len(noArray) < 1): noGo = False
15. hasArray = hasLine.split()
16. if (len(hasArray) < 1): hasGo = False
17. if (noGo and (imgName == noArray[0])):
18. oldname= "./CelebA/Img/img_align_celeba/"+imgName
19. newname="./data/noGlass/"+imgName
20. shutil.move(oldname, newname)
21. noLine = nof.readline()
22. elif (hasGo and (imgName == hasArray[0])):
23. oldname= "./CelebA/Img/img_align_celeba/"+imgName
24. newname="./data/hasGlass/"+imgName
25. shutil.move(oldname, newname)
26. hasLine = hasf.readline()
27. print(imgName)
28. nof.close()
29. hasf.close()

方形脸部截取

1. from PIL import Image
2. import face_recognition
3. import os
4. list = os.listdir("./")
5. for i in range(0, len(list)):
6. imgName = os.path.basename(list[i])
7. if (os.path.splitext(imgName)[1] != ".jpg"): continue
8. image = face_recognition.load_image_file(imgName)
9. face_locations = face_recognition.face_locations(image)
10. for face_location in face_locations:
11. # Print the location of each face in this image
12. top, right, bottom, left = face_location
13. # print("A face is located at pixel location Top: {}, Left: {}, Bottom: {}, Right: {}".format(top, left, bottom, right))
14. # You can access the actual face itself like this:
15. width = right - left
16. height = bottom - top
17. if (width > height):
18. right -= (width - height)
19. elif (height > width):
20. bottom -= (height - width)
21. face_image = image[top:bottom, left:right]
22. pil_image = Image.fromarray(face_image)
23. pil_image.save('face%s'%imgName)

这份代码就是遍历文件夹中的所有图片，用face_recognition库去识别出人脸位置的上下左右坐标，基本识别得出的坐标就已经是方形的了，特殊情况下会有一个像素的误差，所以我强制对比了一次宽高，不一样就改成一样的，对裁剪的影响也不会很大。需注意的是要运行这份代码需要安装face_recognition库和PIL库，如何安装就可以直接搜索教程了。

这里我们就得到了所有高宽相等的人脸二次裁剪图片。

还要注意的一点是这里只保证了每张图片自身高宽相等，图片之间的尺寸并不一定是同样大小的。

参考：

https://blog.csdn.net/Cloudox_/article/details/78432517