現在的人臉識別技術已經得到了非常廣泛的應用，支付領域、身份驗證、美顏相機里都有它的應用。用iPhone的同學們應該對下面的功能比較熟悉

iPhone的照片中有一個“人物”的功能，能夠將照片里的人臉識別出來并分類，背后的原理也是人臉識別技術。

這篇文章主要介紹怎樣用Python實現人臉檢測。人臉檢測是人臉識別的基礎。人臉檢測的目的是識別出照片里的人臉并定位面部特征點，人臉識別是在人臉檢測的基礎上進一步告訴你這個人是誰。

好了，介紹就到這里。接下來，開始準備我們的環境。

準備工作

本文的人臉檢測基于dlib，dlib依賴Boost和cmake，所以首先需要安裝這些包，以Ubuntu為例：

$ sudo apt-get install build-essential cmake 
 
$ sudo apt-get install libgtk-3-dev 
 
$ sudo apt-get install libboost-all-dev 

我們的程序中還用到numpy，opencv，所以也需要安裝這些庫：

$ pip install numpy 
 
$ pip install scipy 
 
$ pip install opencv-python 
 
$ pip install dlib 

人臉檢測基于事先訓練好的模型數據，從這里可以下到模型數據

http://dlib.net/files/shape_predictor_68_face_landmarks.dat.bz2 

下載到本地路徑后解壓，記下解壓后的文件路徑，程序中會用到。

dlib的人臉特征點

上面下載的模型數據是用來估計人臉上68個特征點(x, y)的坐標位置，這68個坐標點的位置如下圖所示：

我們的程序將包含兩個步驟：

***步，在照片中檢測人臉的區域

第二部，在檢測到的人臉區域中，進一步檢測器官（眼睛、鼻子、嘴巴、下巴、眉毛）

人臉檢測代碼

我們先來定義幾個工具函數：

def rect_to_bb(rect): 
 
    x = rect.left() 
 
    y = rect.top() 
 
    w = rect.right() - x  
 
    h = rect.bottom() - y      
 
   return (x, y, w, h) 

這個函數里的rect是dlib臉部區域檢測的輸出。這里將rect轉換成一個序列，序列的內容是矩形區域的邊界信息。

def shape_to_np(shape, dtype="int"): 
 
    coords = np.zeros((68, 2), dtype=dtype)     
 
    for i in range(0, 68): 
 
            coords[i] = (shape.part(i).x, shape.part(i).y)     
 
   return coords 

這個函數里的shape是dlib臉部特征檢測的輸出，一個shape里包含了前面說到的臉部特征的68個點。這個函數將shape轉換成Numpy array，為方便后續處理。

def  resize(image, width=1200): 
 
    r = width * 1.0 / image.shape[1] 
 
    dim = (width, int(image.shape[0] * r))  
 
    resized = cv2.resize(image, dim, interpolation=cv2.INTER_AREA)     
 
    return resized 

這個函數里的image就是我們要檢測的圖片。在人臉檢測程序的***，我們會顯示檢測的結果圖片來驗證，這里做resize是為了避免圖片過大，超出屏幕范圍。

接下來，開始我們的主程序部分

import sys import numpy as np 
 
import dlib import cv2  
 
if len(sys.argv) < 2:     
 
    print "Usage: %s <image file>" % sys.argv[0] 
 
    sys.exit(1) 
 
image_file = sys.argv[1] 
 
detector = dlib.get_frontal_face_detector() 
 
predictor = dlib.shape_predictor("shape_predictor_68_face_landmarks.dat") 

我們從sys.argv[1]參數中讀取要檢測人臉的圖片，接下來初始化人臉區域檢測的detector和人臉特征檢測的predictor。shape_predictor中的參數就是我們之前解壓后的文件的路徑。

image = cv2.imread(image_file) 
 
image = resize(image, width=1200) 
 
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY) 
 
rects = detector(gray, 1) 

在檢測特征區域前，我們先要檢測人臉區域。這段代碼調用opencv加載圖片，resize到合適的大小，轉成灰度圖，***用detector檢測臉部區域。因為一張照片可能包含多張臉，所以這里得到的是一個包含多張臉的信息的數組rects。

for (i, rect) in enumerate(rects): 
 
    shape = predictor(gray, rect) 
 
    shape = shape_to_np(shape) 
 
    (x, y, w, h) = rect_to_bb(rect) 
 
    cv2.rectangle(image, (x, y), (x + w, y + h), (0, 255, 0), 2) 
 
    cv2.putText(image, "Face #{}".format(i + 1), (x - 10, y - 10), cv2.FONT_HERSHEY_SIMPLEX, 0.5, (0, 255, 0), 2)     
 
for (x, y) in shape: 
 
            cv2.circle(image, (x, y), 2, (0, 0, 255), -1)  
 
cv2.imshow("Output", image) 
 
cv2.waitKey(0) 

對于每一張檢測到的臉，我們進一步檢測臉部的特征（鼻子、眼睛、眉毛等）。對于臉部區域，我們用綠色的框在照片上標出；對于臉部特征，我們用紅色的點標出來。

***我們把加了檢測標識的照片顯示出來，waitKey(0)表示按任意鍵可退出程序。

以上是我們程序的全部

測試

接下來是令人興奮的時刻，檢驗我們結果的時刻到來了。

下面是原圖

[[217981]]

下面是程序識別的結果

[[217982]]

可以看到臉部區域被綠色的長方形框起來了，臉上的特征（鼻子，眼睛等）被紅色點點標識出來了。

是不是很簡單？