Ubuntu 16.04+OpenFace的配置和简单人脸检测

　　最近项目需要用到人脸训练和检测的东西，选用了OpenFace进行，因而有此文。

　　本人主要参考了下面的这两篇博客：

　　《ubuntu 16.04 LTS使用开源面部识别库Openface》

　　《ubuntu 16.04 LTS上安装Torch7》

　　如有雷同，绝非偶然。

　　1.python

　　　Ubuntu 16.04桌面版自带python

　　2.git

$ sudo apt-get install git

　　3.编译工具CMake

$ sudo apt-get install cmake

　　4.C++标准库安装

$ sudo apt-get install libboost-dev$ sudo apt-get install libboost-python-dev

　　5.下载OpenFace代码

$ git clone https://github.com/cmusatyalab/openface.git

　　6.OpenCV安装

$ sudo apt-get install libopencv-dev$ sudo apt-get install python-opencv

　　7.安装包管理工具pip

$ sudo apt install python-pip

　　　更新pip,按上面安装不知道为什么是旧的版本，可能影响下面的操作

$ pip install --upgrade pip

　　8.安装依赖的 PYTHON库

$ cd openface$ sudo pip install -r requirements.txt$ sudo pip install dlib$ sudo pip install matplotlib

　　9.安装 luarocks—Lua 包管理器,提供一个命令行的方式来管理 Lua 包依赖、安装第三方 Lua 包等功能

$ sudo apt-get install luarocks

　　10.安装 TORCH—科学计算框架，支持机器学习算法　

$ git clone https://github.com/torch/distro.git ~/torch --recursive$ cd torch$ bash install-deps$ ./install.sh

　　　使 torch7 设置的刚刚的环境变量生效

$ source ~/.bashrc

　　这里只安装了CPU版本，后面如果需要再更新CUDA的使用方法

　　11.安装依赖的 LUA库　

$ luarocks install dpnn

　　　下面的为选装，有些函数或方法可能会用到

$ luarocks install image$ luarocks install nn$ luarocks install graphicsmagick$ luarocks install torchx$ luarocks install csvigo

　　12.编译OpenFace代码

$ python setup.py build$ sudo python setup.py install

　　13.下载预训练后的数据

$ sh models/get-models.sh$ wget https://storage.cmusatyalab.org/openface-models/nn4.v1.t7 -O models/openface/nn4.v1.t7

　————————-到此配置完成,下面是简单的例子————————-

　　可以用compare.py（demo文件夹中）给出的示例检测两张脸的相近程度。

$ python demos/compare.py {3.jpg*,4.jpg*}

　　1.jpg

　　2.jpg

　　3.jpg

　　4.jpg

　　结果如下

　　可以看到，相同人物之间的距离明显比不同人物要小。

　　另外也可以像开始提到的参考文章中一样，写一个检测人脸的程序进行检测，名称为face_detect.py，代码如下：

import argparseimport cv2import osimport dlibimport numpy as npnp.set_printoptions(precision=2)import openfacefrom matplotlib import cmfileDir = os.path.dirname(os.path.realpath(__file__))modelDir = os.path.join(fileDir, '..', 'models')dlibModelDir = os.path.join(modelDir, 'dlib')if __name__ == '__main__':    parser = argparse.ArgumentParser()    parser.add_argument(        '--dlibFacePredictor',        type=str,        help="Path to dlib's face predictor.",        default=os.path.join(            dlibModelDir,            "shape_predictor_68_face_landmarks.dat"))    parser.add_argument(        '--networkModel',        type=str,        help="Path to Torch network model.",        default='models/openface/nn4.v1.t7')    # Download model from:    # https://storage.cmusatyalab.org/openface-models/nn4.v1.t7    parser.add_argument('--imgDim', type=int,                        help="Default image dimension.", default=96)    # parser.add_argument('--width', type=int, default=640)    # parser.add_argument('--height', type=int, default=480)    parser.add_argument('--width', type=int, default=1280)    parser.add_argument('--height', type=int, default=800)    parser.add_argument('--scale', type=int, default=1.0)    parser.add_argument('--cuda', action='store_true')    parser.add_argument('--image', type=str,help='Path of image to recognition')    args = parser.parse_args()    if (None == args.image) or (not os.path.exists(args.image)):    print '--image not set or image file not exists'    exit()    align = openface.AlignDlib(args.dlibFacePredictor)    net = openface.TorchNeuralNet(        args.networkModel,        imgDim=args.imgDim,        cuda=args.cuda)    cv2.namedWindow('video', cv2.WINDOW_NORMAL)    frame = cv2.imread(args.image)      bbs = align.getAllFaceBoundingBoxes(frame)    for i, bb in enumerate(bbs):    # landmarkIndices set  "https://cmusatyalab.github.io/openface/models-and-accuracies/"        alignedFace = align.align(96, frame, bb,                                      landmarkIndices=openface.AlignDlib.OUTER_EYES_AND_NOSE)        rep = net.forward(alignedFace)        center = bb.center()        centerI = 0.7 * center.x * center.y / \                (args.scale * args.scale * args.width * args.height)        color_np = cm.Set1(centerI)        color_cv = list(np.multiply(color_np[:3], 255))        bl = (int(bb.left() / args.scale), int(bb.bottom() / args.scale))        tr = (int(bb.right() / args.scale), int(bb.top() / args.scale))        cv2.rectangle(frame, bl, tr, color=color_cv, thickness=3)    cv2.imshow('video', frame)    cv2.waitKey (0)      cv2.destroyAllWindows()

　　运行

$ python demos/face_detect.py --image=1.jpg

　　结果如下：