不要被標題一堆名詞嚇到；當你用過它後，你會驚訝它的易用以及，最重要的，無縫接軌辨識人臉關鍵點

本文開始

Dlib套件，一個你可能覺得陌生，但在聽到Facial Landmark或是Face Alignment時，卻幾乎一定會用到的強大套件。

以我自己在進行Computer Vision相關功能或專案時，下面幾個套件一定是先裝好裝滿：

• OpenCV
• Dlib
• imutils (圖片處理常用工具)

再來才會看要做哪一種影像分析，或是訓練模型... (訓練模型的圖片預處理有其他方便的工具，如keras、scikit-learn等)

當你了解如何使用基本工具 (OpenCV & Dlib)來進行人臉分析後，FaceNet、VGGFace、DeepFace等等這些人臉識別模型的使用才會更得心應手。

前面提到過，使用OpenCV & Dlib來做人臉偵測，大概可以分為四種方式：

1. OpenCV Haar cascades
2. OpenCV deep neural networks (DNNs)
3. Dlib HOG + Linear SVM <-- 今天說這個
4. Dlib max-margin object detector (MMOD)

今天要介紹第三種方式。

Dlib HOG + Linear SVM

習慣上我喜歡稱呼這個方法叫Dlib特徵檢測，其實從名稱其實可以看出一二，

Dlib HOG + Linear SVM與OpenCV Haar cascades其實都是透過檢測(滑動視窗)的特徵來辨識物體與位置

今天介紹的方法其背後原理大概可以分成兩步驟：

1. 提取特徵：透過方向梯度直方圖(HOG)來取得正面臉部的特徵
2. 訓練模型：透過支援向量機(SVM)來做線性的類別區分

最終訓練出來的模型就是我們今天要使用的方法。

在辨識準確度上相比，Dlib特徵檢測要比哈爾特徵檢測高，也不太需要調整參數來提高辨識度。

話不多說，Let's code!

1. 在Day9的專案下，同樣在face_detection目錄下新增一個Python檔案dlib_hog_svm.py
   
2. 在新增的Python檔案內輸入以下內容 (相關程式碼說明在註解內)：

   # 匯入必要套件
   import time
   
   import cv2
   import dlib
   import imutils
   import numpy as np
   from imutils.face_utils import rect_to_bb
   from imutils.video import WebcamVideoStream
   
   # 初始化模型
   detector = dlib.get_frontal_face_detector()
   
   
   # 定義人臉偵測函數方便重複使用
   def detect(img):
       rgb = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
       # 偵測人臉，將辨識結果轉為(x, y, w, h)的bounding box
       results = detector(rgb, 0)
       rects = [rect_to_bb(rect) for rect in results]
       return rects
   
   
   def main():
       # 啟動WebCam
       vs = WebcamVideoStream().start()
       time.sleep(2.0)
       start = time.time()
       fps = vs.stream.get(cv2.CAP_PROP_FPS)
       print("Frames per second using cv2.CAP_PROP_FPS : {0}".format(fps))
   
       while True:
           # 取得當前的frame，變更比例為寬300，並且轉成RGB圖片
           frame = vs.read()
           img = frame.copy()
           img = imutils.resize(img, width=300)
   
           # 取得frame的大小(高，寬)
           ratio = frame.shape[1] / img.shape[1]
   
           # 呼叫偵測函數，取得結果
           rects = detect(img)
   
           # loop所有預測結果
           for rect in rects:
               # 計算bounding box(邊界框)與準確率 - 取得(左上X，左上Y，右下X，右下Y)的值 (記得轉換回原始frame的大小)
               box = np.array(rect) * ratio
               (x, y, w, h) = box.astype("int")
   
               # 畫出邊界框
               cv2.rectangle(frame, (x, y), (x + w, y + h), (0, 255, 0), 2)
   
           # 標示FPS
           end = time.time()
           cv2.putText(frame, f"FPS: {str(int(1 / (end - start)))}", (10, 30), cv2.FONT_HERSHEY_SIMPLEX, 0.7,
                       (0, 0, 255), 2)
           start = end
   
           # 顯示影像
           cv2.imshow("Frame", frame)
   
           # 判斷是否案下"q"；跳離迴圈
           key = cv2.waitKey(1) & 0xff
           if key == ord('q'):
               break
   
   
   if __name__ == '__main__':
       main()
   
   

3. 在terminal輸入python face_detection/dlib_hog_svm.py，跑出來的範例結果會是這樣：
   

結論

1. 我知道有些人看到這邊會覺得不想實作，只想看結論；相信我，即使你是複製貼上程式碼，實際跑看看，學到的東西跟直接看結論是完全不同的
2. Dlib特徵檢測會對臉部面向鏡頭的角度很敏感 (你可以看出我在範例結果中"刻意"把臉轉一個角度與把口罩稍微往下移 -- 為了能夠辨識到"戴口罩的人臉")；其實你從程式碼第12行get_frontal_face_detector函數名稱就可以看出來了，這個功能對正面臉的準確度比較好
3. Dlib特徵檢測基本上不需要調整參數。唯一可能會調整的是程式碼第19行detector(rgb, 0)中的第二個參數：
   • upsample_num_times：表示在進行偵測之前，要將圖片"放大"幾次；次數越多越能偵測到比較小的人臉，但花費的時間也更長
4. 很重要所以再說一次，你要用Dlib做人臉關鍵點檢測，今天這個方法是你其中一個不會多走遠路的選擇
5. 辨識速度基本上對300px的影像可以有30 fps以上，實際在使用上大概跟哈爾特徵檢測的速度差不多

參考程式碼在這

好了，今天就到這邊，

對程式碼有疑問的歡迎留言囉。