前言

前面的博客介紹過使用dlib進行人臉檢測、比對、檢測特征點等等操作。
python dlib學習（一）：人臉檢測
python dlib學習（二）：人臉特征點標定
python dlib學習（五）：比對人臉
這次再將那些操作綜合一下，進行人臉聚類。識別圖片中的人臉，并分類。這里使用的是聚類，屬于無監督學習。這里對每個人臉的區分與比對人臉中原理相同，將人臉映射到128D的空間中，計算彼此之間的距離。距離近的視作一個人，距離遠的視作不是一個人，而判定的標準閾值由自己選定，通常是0.6。

目錄結構

• faces文件夾保存測試圖片；
• model文件夾保存模型文件，也可以自己訓練，我偷懶使用了官方提供的；
• output文件夾中存放輸出結果；
• 源碼直接放在根目錄。

程序

# coding: utf-8 """ @author: xhb """import sys import os import dlib import glob import cv2# 指定路徑 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/'# 導入模型 detector = dlib.get_frontal_face_detector() shape_detector = dlib.shape_predictor(shape_predictor_model) face_recognizer = dlib.face_recognition_model_v1(face_rec_model)# 為后面操作方便，建了幾個列表 descriptors = [] images = [] # 遍歷faces文件夾中所有的圖片 for f in glob.glob(os.path.join(face_folder, "*.jpg")):print('Processing file：{}'.format(f))# 讀取圖片img = cv2.imread(f)# 轉換到rgb顏色空間img2 = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)# 檢測人臉dets = detector(img2, 1)print("Number of faces detected: {}".format(len(dets)))# 遍歷所有的人臉for index, face in enumerate(dets):# 檢測人臉特征點shape = shape_detector(img2, face)# 投影到128Dface_descriptor = face_recognizer.compute_face_descriptor(img2, shape)# 保存相關信息descriptors.append(face_descriptor)images.append((img2, shape))# 聚類 labels = dlib.chinese_whispers_clustering(descriptors, 0.5) print("labels: {}".format(labels)) num_classes = len(set(labels)) print("Number of clusters: {}".format(num_classes))# 為了方便操作，用字典類型保存 face_dict = {} for i in range(num_classes):face_dict[i] = [] # print face_dict for i in range(len(labels)):face_dict[labels[i]].append(images[i])# print face_dict.keys() # 遍歷字典，保存結果 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_pathdlib.save_face_chip(image, shape, file_path, size=150, padding=0.25)

程序很簡單，不做贅述。

結果

后記

dlib作為開源庫，為我們提供了很方便的api工具，可以實現許多很酷的功能。當然那些功能也可以自己實現。不管怎樣，都很有趣吧！

總結

以上是生活随笔為你收集整理的python dlib学习（九）：人脸聚类的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。