Python图像处理札记——dlib环境搭建与Demo验证

人生苦短，我用python —— 29行代码实现人脸识别

0x00环境搭建

VS 2017：提供C++编译环境（C++IDE可自行选择，非不必选安装）
- 需要将cl.exe配置到环境变量中，
- cmd中输入cl,若提示不可运行，证明没有将VS配置到环境变量中
- eg：本地cl.exe路径添加到Path路径中
  - D:\Program Files (x86)\Microsoft Visual Studio\2017\Community\VC\Tools\MSVC\14.15.26726\bin\Hostx64\x64
    
    cl_02.PNG
- 官方文档VS Command Prompt 工具打开方法
cmake 官方下载地址
- 功能介绍：Cmake是用来makefile的一个工具：读入所有源文件之后，自动生成makefile。
- 图形界面下一步到最后，安装过程顺利暂时无坑可踩
- 本地安装路径： D:\CMake
boost：官网下载
- 功能介绍：一个开源的C++库，丰富强大解压，运行批处理，生成bjam.exe，可执行文件
- 下载，解压，编译，配置，运行
  - 解压后路径地址： D:\Program Files (x86)\boost_1_69_0
  - 为了支持跨平台性，一部分的功能库，需要根据用户操作系统编译完成才可以使用
- 编译步骤
  - 首先运行批处理脚本，生成编译引擎bjam.exe。
    - 打开VS的Native Tools Command，进入boost目录运行批处理文件bootstrap回车
      cmd下也可以，在命令行中直接输入.bat文件的名称，回车即可
    - 文件夹内会生成b2.exe, bjam.exe, project-config.jam, 和bootstrap.log四个文件
    - 细节：
      - bjam.exe与b2.exe作用相同，bjam是旧版，b2是新版编译
      - bjam.exe必须与boost-build.jam在同级目录，其中jam文件为编译引擎的配置读取
      - PS : 通过命令行运行bootstrap.bat和直接双击效果相同，但是在命令行中运行你会看到如下提示比一闪而过要好得多：
        
        run_bat_result.PNG
  - 开始编译,运行bjam.exe(PS：还是推荐用命令方式启动运行，有完全编译和指定编译两种选择)
    - 完全编译在命令行运行bjam.exe或b2.exe可执行文件，缺省命令参数，根据已经安装的C++ IDE环境自行设置
      
      run_b2.PNG
      - 优点：适用今后开发场景，所有源码编译，方便查看源代码和排查问题
      - 缺点：需要较大的硬盘空间，编译时间长————看其他大神的安装教程里提到的
        
        自己用公司电脑测试，编译完占用5.59G,用时大约30分钟左右，感觉还好了，可以接受
      - 编译顺利完成，截图如下：
        
        run_b2_02.PNG
        
        指定设置参数编译：本次未涉及，待后续试验再补齐
  - 配置IDE路径和环境变量Path路径
    - 设置环境变量
      - BOOST_ROOT = D:\Program Files (x86)\boost_1_69_0
      - BOOST_LIBRARYDIR = D:\Program Files (x86)\boost_1_69_0\stage\lib
    - IDE设置以VS2017为例
      - 新建一个C++项目用以测试boost环境
        
        test_03.PNG
        
        源文件--新建test01.cpp，代码如下。输入完成后，会看到有报错提示，证明此时VS未加载到boost类库
        
        #include <boost/lexical_cast.hpp> #include <iostream> int main() { using boost::lexical_cast; int a = lexical_cast<int>("123"); double b = lexical_cast<double>("123.12"); std::cout << a << std::endl; std::cout << b << std::endl; return 0; }
      - 设置VS中boost加载路径：菜单栏--项目--项目名属性（Boostest属性）-- 配置属性
        
        test_02.PNG
        
        VC++目录中设置
        
        包含目录中添加 D:\Program Files (x86)\boost_1_69_0
        
        库目录中添加 D:\Program Files (x86)\boost_1_69_0\stage\lib
        
        链接器
        
        附件库目录添加 D:\Program Files (x86)\boost_1_69_0\stage\lib
        
        疑问为什么我直接仿照配置文件中语法$(BOOST_ROOT); $(BOOST_LIBRARYDIR); 不识别呢？？？
      - 编译
        
        配置完boost路径后，代码中红线消失，F5 开始编译代码，输出目录生成exe文件
        
        疑问控制台中大量“无法查找或打开PDB文件”的解决方法”，原因缺少符号解析
        
        解决菜单栏--调试--选项--调试--
        
        常规设置右边勾选启用源服务器支持
        
        符号设置右边勾选微软符号服务器
        
        运行完成，不会再提示无法查找或打开PDB文件了
        
        )
        
        在命令行打开如图
        
        测试正常
  - 运行实例验证结果
    - 官方示例
- 文档资料
  - 官方文档列表
    - 当前版本文档
  - 中文文档
    - 这个文档是2010年的，近乎远古时代了，有更加新文档的请通知下，不胜感激
    - 再次感谢文档翻译人员，为开源做贡献
  - 参考资料
dlib
- 类库介绍
- 下载安装
  - 直接使用pip安装，电脑安装了python2和python3两个版本，在python3下安装如下：
    - python3 -m pip install dlib
- 使用文档
- 验证测试
- 参考资料
  - OpenCV与 python dlib 检测眨眼
  - 我爱计算机视觉
OpenCV
- 下载安装 pip install opencv_python

0x01人脸识别示例代码

import sys
import dlib
import cv2

# 人脸分类器
detector = dlib.get_frontal_face_detector()

for f in sys.argv[1:]:
    img = cv2.imread(f, cv2.IMREAD_COLOR)
    b, g, r = cv2.split(img)
    img2 = cv2.merge([r, g, b])
    dets = detector(img, 1)
    print("Number of faces detected: {}".format(len(dets)))  # 打印识别到的人脸个数

    for index, face in enumerate(dets):
        print('face {}; left {}; top {}; right {}; bottom {}'.format(index, face.left(), face.top(), face.right(),
                                                                     face.bottom()))

        left = face.left()
        top = face.top()
        right = face.right()
        bottom = face.bottom()
        cv2.rectangle(img, (left, top), (right, bottom), (0, 255, 0), 3)
        cv2.namedWindow(f, cv2.WINDOW_AUTOSIZE)
        cv2.imshow(f, img)
# 等待按键，随后退出，销毁窗口
k = cv2.waitKey(0)
cv2.destroyAllWindows()

验证效果