python dlib学习（九）：人脸聚类

前言

前面的博客介绍过使用dlib进行人脸检测、比对、检测特征点等等操作。
python dlib学习（一）：人脸检测
python dlib学习（二）：人脸特征点标定
python dlib学习（五）：比对人脸
这次再将那些操作综合一下，进行人脸聚类。识别图片中的人脸，并分类。这里使用的是聚类，属于无监督学习。这里对每个人脸的区分与比对人脸中原理相同，将人脸映射到128D的空间中，计算彼此之间的距离。距离近的视作一个人，距离远的视作不是一个人，而判定的标准阈值由自己选定，通常是0.6。

目录结构

• faces文件夹保存测试图片；
• model文件夹保存模型文件，也可以自己训练，我偷懒使用了官方提供的；
• output文件夹中存放输出结果；
• 源码直接放在根目录。

程序

# coding: utf-8"""@author: xhb"""import sysimport osimport dlibimport globimport cv2# 指定路径current_path = os.getcwd()model_path = current_path + '/model/'shape_predictor_model = model_path + '/shape_predictor_5_face_landmarks.dat'face_rec_model = model_path + '/dlib_face_recognition_resnet_model_v1.dat'face_folder = current_path + '/faces/'output_folder = current_path + '/output/'# 导入模型detector = dlib.get_frontal_face_detector()shape_detector = dlib.shape_predictor(shape_predictor_model)face_recognizer = dlib.face_recognition_model_v1(face_rec_model)# 为后面操作方便，建了几个列表descriptors = []images = []# 遍历faces文件夹中所有的图片for f in glob.glob(os.path.join(face_folder, "*.jpg")):    print('Processing file：{}'.format(f))    # 读取图片    img = cv2.imread(f)    # 转换到rgb颜色空间    img2 = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)    # 检测人脸    dets = detector(img2, 1)    print("Number of faces detected: {}".format(len(dets)))    # 遍历所有的人脸    for index, face in enumerate(dets):        # 检测人脸特征点        shape = shape_detector(img2, face)        # 投影到128D        face_descriptor = face_recognizer.compute_face_descriptor(img2, shape)        # 保存相关信息        descriptors.append(face_descriptor)        images.append((img2, shape))# 聚类labels = dlib.chinese_whispers_clustering(descriptors, 0.5)print("labels: {}".format(labels))num_classes = len(set(labels))print("Number of clusters: {}".format(num_classes))# 为了方便操作，用字典类型保存face_dict = {}for i in range(num_classes):    face_dict[i] = []# print face_dictfor i in range(len(labels)):    face_dict[labels[i]].append(images[i])# print face_dict.keys()# 遍历字典，保存结果for key in face_dict.keys():    file_dir = os.path.join(output_folder, str(key))    if not os.path.isdir(file_dir):        os.makedirs(file_dir)    for index, (image, shape) in enumerate(face_dict[key]):        file_path = os.path.join(file_dir, 'face_' + str(index))        print file_path        dlib.save_face_chip(image, shape, file_path, size=150, padding=0.25)

程序很简单，不做赘述。

结果

后记

dlib作为开源库，为我们提供了很方便的api工具，可以实现许多很酷的功能。当然那些功能也可以自己实现。不管怎样，都很有趣吧！