dlib19.9＋opencv3.4的人脸检测验证

2018年1月22日，dlib19.9版终于发行了，编译dlib库只需用pip即可一键安装，dlib可以实现完全本地化的人脸识别功能，使用非常方便，配合python的简洁高效和opencv的灵活强大，可以玩票出许多新的花样。本篇就来对其人脸检测（face_detect）功能进行验证。

在网络上，尤其在csdn和github上，关于dlib库的使用介绍已经非常多了，但都是比较古老的版本，也有诸多错误，尤其是编译安装方面，让人诟病极多，我就从未安装成功过，直至19.9版的出现。在19.9版的example中，也有一些误解，希望我的这篇博文可以将自己的摸索共享出来，免除后来者的歧途和不必要的陷坑。

环境

win10，32位

VistualStudio2017集成环境

python3.6

opencv3.4

dlib19.9

都是当前最新的软件和环境，更新都不超过2018年1月。

人脸检测

dlib的人脸检测只需利用一个函数构建一个探测器即可：

detector = dlib.get_frontal_face_detector()

然后加载一张图片，构建一个实例进行检测，其本质就是一个模板分类器。

dets=detector(img,1)

python代码

def face_detect(img):

detector = dlib.get_frontal_face_detector()

dets=detector(img,1)

for i, d in enumerate(dets): #d即为人脸矩形框

draw_rec(img,d) #绘出矩形框

5行代码，就是这么简单。

关于图片

在dlib19.9的官方例程example_python中，强调如果采用opencv作为图像处理工具需要进行图片的格式转化，因为opencv读入的图片是bgr格式，而dlib识别的图片是rgb格式，所以在例程中，你会看到需要不停地进行两者之间格式的转化操作。

实际上，这都古老版本的遗留问题，在新的版本中完全不需要，直接用opencv读入图片，绘图，写字，显示，检测均没有任何问题。

验证

我们先用单张图片来进行验证

用双人照来进行验证：

用密集恐惧症照片来进行验证：

这张照片用上面的参数1没有识别出来一张一人脸，人脸识别的本质是基于模板的分类器，采用窗口滑移来实现的，只是模板是经过深度学习得来的，准确度很高罢了，为了识别出来上面图片中的人脸，我么需要更改滑移窗口的适配大小，我们不妨用参数为‘2’，即dets=detector(img,2)，效果如下：

可以看到，47位美女无一缺席，被一网打尽，是不是感觉很棒。

忽然觉得，用这个功能来清点人数也是不错的。

动态验证