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 argparse
import cv2
import os
import dlib

import numpy as np
np.set_printoptions(precision=2)
import openface

from matplotlib import cm

fileDir = 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',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',default=640)
    # parser.add_argument('--height',default=480)
    parser.add_argument('--width',default=1280)
    parser.add_argument('--height',default=800)
    parser.add_argument('--scale',default=1.0)
    parser.add_argument('--cuda',action='store_true')
    parser.add_argument('--image',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：