编译dlib

从官方网站下载

准备好人脸数据

准备好人脸数据，放入各自的文件夹，然后给文件夹起好名字，这里就是人的名字拼音首字。准备好test数据

test数据也是图片，一次对比一张，其外，还要有dlib的face模型，包含两个文件，一个是dlib_face_recognition_resnet_model_v1.dat和shape_predictor_68_face_landmarks.dat,两个文件，在运行过程中必须加载

//查找文件夹下面的所有文件夹

//人名的文件夹
void face_reco::listfiles(std::string dir,std::string namefolder)
{intptr_t handle;_finddata_t findData;string dirfilter =dir + "/" +  namefolder + "/" + "*.*";handle = _findfirst(dirfilter.c_str(), &findData);    // 查找目录中的第一个文件if (handle == -1){cout << "Failed to find first file!\n";return;}face_desc desc;desc.name = namefolder;//子文件夹的名称为人名do{if (!(findData.attrib & _A_SUBDIR))desc.files.push_back(findData.name);} while (_findnext(handle, &findData) == 0);    // 查找目录中的下一个文件//cout << "Done!\n";_findclose(handle);    // 关闭搜索句柄face_desc_vec.push_back(desc);}void face_reco::listfolder(std::string dir, std::vector<string> & names)
{intptr_t handle;_finddata_t findData;string dirfilter = dir + "/" + "*.*";handle = _findfirst(dirfilter.c_str(), &findData);    // 查找目录中的第一个文件if (handle == -1){cout << "Failed to find first file!\n";return;}do{if (findData.attrib & _A_SUBDIR)//&& strcmp(findData.name, ".") != 0//&& strcmp(findData.name, "..") != 0//)    // 是否是子目录并且不为"."或".."{if (findData.name[0] != '.')names.push_back(findData.name);//cout << findData.name << "\t<dir>\n";}else //否则是文件{//子文件//face_desc_vec.files.push_back(findData.name);}//cout << findData.name << "\t" << findData.size << endl;} while (_findnext(handle, &findData) == 0);    // 查找目录中的下一个文件//cout << "Done!\n";_findclose(handle);    // 关闭搜索句柄}int face_reco::load_db_faces_prepare(string folder)
{// We will also use a face landmarking model to align faces to a standard pose:  (see face_landmark_detection_ex.cpp for an introduction)deserialize("./shape_predictor_68_face_landmarks.dat") >> sp;// And finally we load the DNN responsible for face recognition.deserialize("./dlib_face_recognition_resnet_model_v1.dat") >> net;std::vector<string> vecs;listfolder(folder.c_str(), vecs);auto iter = vecs.begin();while(iter != vecs.end()){//文件夹名称就是人名string name = *iter;cout << name << endl;//string mfolder = folder + "/" + name;listfiles(folder,name);iter++;}//把所有的文件都放到数据结构中，开始读取并且获取值load_faces(folder);return 0;
}void face_reco::load_faces(string folder)
{frontal_face_detector detector = get_frontal_face_detector();auto iter = face_desc_vec.begin();while (iter != face_desc_vec.end()){face_desc &desc = *iter;matrix<rgb_pixel> img;string path = folder + "/" + desc.name +"/"+ desc.files[0];cout <<"path is " << path << endl;//char path[260];//sprintf_s(path, "%s/%s/%s", folder.c_str(),desc.name.c_str(),desc.files[0].c_str());load_image(img, path);//image_window win(img);for (auto face : detector(img)){auto shape = sp(img, face);matrix<rgb_pixel> face_chip;extract_image_chip(img, get_face_chip_details(shape, 150, 0.25), face_chip);//Record the all this face's information//FACE_DESC sigle_face;desc.face_chip = face_chip;//sigle_face.name = fileinfo.name;std::vector<matrix<rgb_pixel>> face_chip_vec;std::vector<matrix<float, 0, 1>> face_all;face_chip_vec.push_back(move(face_chip));//Asks the DNN to convert each face image in faces into a 128D vectorface_all = net(face_chip_vec);//Get the feature of this personstd::vector<matrix<float, 0, 1>>::iterator iter_begin = face_all.begin(),iter_end = face_all.end();if (face_all.size() > 1) break;desc.face_feature = *iter_begin;//all the person description into vector//face_desc_vec.push_back(sigle_face);}iter++;}}

以上过程就是程序拿到取走文件夹中所有文件进行学习，实际上dlib本身是使用的dnn方式来训练网络数据的。

调用过程

#include "face_recognition_dlib.h"
#include "Sort_method.h"
#include <vector>
#include <string>
using namespace std;
#include <io.h>typedef struct face_pics
{string name;std::vector<string> pics;
}face_pics;int load_folder_jpg()
{return 0;
}face_reco face_recognize;int compareone(face_desc &desc)
{return 0;}int main(int argc, char** argv)
{//std::vector<string> folder;//listFiles("H:/git/dlib/qb_recognize/qbrecog/bin/face/*.*",folder, true);//FACE_RECOGNITION dlib;if (argc == 1){cout << "Give some image files as arguments to this program." << endl;return 0;}cout << "processing image " << argv[1] << endl;std::string ff = "face";face_recognize.load_db_faces_prepare(ff);matrix<rgb_pixel> face_cap;//save the capture in the project directoryload_image(face_cap, argv[1]);image_window win(face_cap);//Display the raw image on the screen//image_window win1(face_cap);frontal_face_detector detector = get_frontal_face_detector();std::vector<matrix<rgb_pixel>> vect_faces;for (auto face : detector(face_cap)){auto shape = face_recognize.sp(face_cap, face);matrix<rgb_pixel> face_chip;extract_image_chip(face_cap, get_face_chip_details(shape, 150, 0.25), face_chip);vect_faces.push_back(move(face_chip));//win1.add_overlay(face);}if (vect_faces.size() != 1){cout << "Capture face error! face number " << vect_faces.size() << endl;return -1;}//Use DNN and get the capture face's feature with 128D vectorstd::vector<matrix<float, 0, 1>> face_cap_desc = face_recognize.net(vect_faces);//Browse the face feature from the database, and find the match onestd::pair<double, std::string> candidate_face;std::vector<double> len_vec;std::vector<std::pair<double, std::string>> candi_face_vec;candi_face_vec.reserve(256);cout << "face find " << face_recognize.face_desc_vec.size() << endl;for (size_t i = 0; i < face_recognize.face_desc_vec.size(); ++i){auto len = length(face_cap_desc[0] - face_recognize.face_desc_vec[i].face_feature);cout << "len is " << len << endl;if (len < 0.4){len_vec.push_back(len);candidate_face.first = len;candidate_face.second = face_recognize.face_desc_vec[i].name.c_str();candi_face_vec.push_back(candidate_face);//#ifdef _FACE_RECOGNIZE_DEBUG
//          char buffer[256] = { 0 };
//          sprintf_s(buffer, "Candidate face %s Euclid length %f",
//              face_recognize.face_desc_vec[i].name.c_str(),
//              len);
//          MessageBox(CString(buffer), NULL, MB_YESNO);
//#endif}else{cout << "This face from database is not match the face, continue!" << endl;}}//Find the most similar faceif (len_vec.size() != 0){shellSort(len_vec);int i(0);for (i = 0; i != len_vec.size(); i++){if (len_vec[0] == candi_face_vec[i].first)break;}char buffer[256] = { 0 };sprintf_s(buffer, "The face is %s -- Euclid length %f",candi_face_vec[i].second.c_str(), candi_face_vec[i].first);cout << buffer << endl;/*if (MessageBox(CString(buffer), NULL, MB_YESNO) == IDNO){face_record();}*/}else{cout << "not found" << endl;/*if (MessageBox(CString("Not the similar face been found"), NULL, MB_YESNO) == IDYES){face_record();}*/}//char a;getchar();return 0;
}

以上就是整个训练和使用过程，比较简单，读者可以继续深入研究，比如人脸图片曝光过强去除，人脸对齐等等，都是需要调整的，上面代码并不包含这些。

使用dlib 进行人脸识别相关推荐

python人脸识别毕业设计-Python基于Dlib的人脸识别系统的实现
之前已经介绍过人脸识别的基础概念,以及基于opencv的实现方式,今天,我们使用dlib来提取128维的人脸嵌入,并使用k临近值方法来实现人脸识别. 人脸识别系统的实现流程与之前是一样的,只是这里我们 ...
都说dlib是人脸识别的神器，那到底能不能识破妖怪的伪装？
作者:盛光晓原文链接:https://blog.csdn.net/esa72ya/article/details/89189987 众所周知,dlib是人脸识别的利器,被广泛应用于行为检测.安防工程 ...
python怎么另起一行阅读答案_使用Python+Dlib构建人脸识别系统（在Nvidia Jetson Nano 2GB开发板上）...
Nvidia Jetson Nano 2GB开发板是一款新的单板机售价59美元运行带有GPU加速的人工智能软件.在2020年你可以从一台售价59美元的单板计算机中获得令人惊叹的性能让我们用它来 ...
dlib实现人脸识别方法
文章目录概述方法实现实现步骤示例代码重载方法概述此示例演示如何使用dlib作为人脸识别工具,dlib提供一个方法可将人脸图片数据映射到128维度的空间向量,如果两张图片来源于同一个人,那 ...
使用Python+Dlib构建人脸识别系统（在Nvidia Jetson Nano 2GB开发板上）
Nvidia Jetson Nano 2GB开发板是一款新的单板机,售价59美元,运行带有GPU加速的人工智能软件. 在2020年,你可以从一台售价59美元的单板计算机中获得令人惊叹的性能,让我们用它 ...
dlib库包的介绍与使用，opencv+dlib检测人脸框、opencv+dlib进行人脸68关键点检测，opencv+dlib实现人脸识别，dlib进行人脸特征聚类、dlib视频目标跟踪
文章目录: 1 dlib库介绍 2 dlib人脸检测:绘制出人脸检测框 2.1 dlib人脸检测源码 2.2 opencv + dlib 人脸检测 2.3 dlib人脸检测总结 3 dlib人脸关键点 ...
python dlib opencv人脸识别准确度_基于dlib和opencv库的人脸识别
基于dlib和opencv库的人脸识别需下载68个特征点的人脸检测模型: http://dlib.net/files/ 文件名为shape_predictor_68_face_landmarks.d ...
写个神经网络，让她认得我`(๑•ᴗ•๑)(Tensorflow,opencv,dlib,cnn,人脸识别)
训练一个神经网络能让她认得我阅读原文这段时间正在学习tensorflow的卷积神经网络部分,为了对卷积神经网络能够有一个更深的了解,自己动手实现一个例程是比较好的方式,所以就选了一个这样比较有点 ...
Java + Dlib实现人脸识别
一. 效果展示示例1 示例2 人脸识别演示在学习人脸识别的过程中,刚开始我是从opencv开始学习的,后来发现还有一种使用dlib来检测的方法,并且,在图像处理中,有些美颜功能,例如数字化妆功能, ...
基于C#结合dlib实现人脸识别及眼部识别【附源码】
文章目录前言一.库的引用二.代码调用工程构建建立panel控件定义人脸识别类开启摄像头.调用算法总结前言本文基于C#及dlib及emgu结合使用实现摄像头人脸定位及眼部定位,读者可 ...

使用dlib 进行人脸识别

编译dlib

准备好人脸数据

调用过程

使用dlib 进行人脸识别相关推荐

最新文章

热门文章