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、美顏相機裡都有它的應用。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，能夠將照片裡的人臉識別出來並分類，背後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裡的人臉並定位面部特徵點，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，介紹就到這裡。接下來，開始準備我們的環境。
準備工作
本文的人臉檢測基於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
人臉檢測基於事先訓練好的模型數據，從這裡可以下到模型數據
http://dlib.net/files/shape_predictor_68_face_landmarks.dat.bz2
下載到本地路徑後解壓，記下解壓後的文件路徑，程序中會用到。
dlib的人臉特徵點
上面下載的模型數據是用來估計人臉上68個特徵點(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：
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)
這個函數裡的rect是dlib臉部區域檢測的輸出。這裡將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
這個函數裡的shape是dlib臉部特徵檢測的輸出，一個shape裡包含了前面說到的臉部特徵的68個點。這個函數將shape轉換成Numpy array，為方便後續處理。
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
這個函數裡的image就是我們要檢測的圖片。在人臉檢測程序的最後，我們會顯示檢測的結果圖片來驗證，這裡做resize是為了避免圖片過大，超出屏幕範圍。
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:
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和人臉特徵檢測的predictor。shape_predictor中的參數就是我們之前解壓後的文件的路徑。
image = cv2.imread(image_file)
image = resize(image, width=1200)
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
rects = detector(gray, 1)
在檢測特徵區域前，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，最後用detector檢測臉部區域。因為一張照片可能包含多張臉，所以這裡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)
對於每一張檢測到的臉，我們進一步檢測臉部的特徵（鼻子、眼睛、眉毛等）。對於臉部區域，我們用綠色的框在照片上標出；對於臉部特徵，我們用紅色的點標出來。
最後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。
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。
原始圖片：
程序識別效果圖片：
可以看到臉部區域被綠色的長方形框起來了，臉上的特徵（鼻子，眼睛等）被紅色點點標識出來了。
是不是很簡單？
乾貨分享
有乾貨，猛戳下面的閱讀原文↓↓↓ 據說點」好看「2019一定加薪！！