OpenCV学习：dlib 人脸检测

OpenCV学习：dlib 人脸检测

前言：上一篇我们学习了基于 OpenCV 的人脸识别。本篇我们将引入一个新的计算机视觉库——dlib，学习它在人脸检测中的应用。dlib 使用 HOG 特征 + 线性分类器，检测效果优于 OpenCV 的 Haar 级联分类器，是人脸检测与关键点检测的常用工具。

目录

• 一、dlib 库简介
• 二、dlib 环境搭建
• 三、dlib 图片人脸检测
• 四、dlib vs OpenCV 人脸检测对比
• 五、总结

一、dlib 库简介

1.1 什么是 dlib？

dlib 是一个现代化的 C++ 工具库，包含机器学习算法和计算机视觉工具。在 Python 中可以通过pip安装使用。dlib 在人脸检测和人脸关键点检测方面精度更高。

1.2 dlib 人脸检测原理

dlib 的get_frontal_face_detector()基于以下技术：

相比 OpenCV 的 Haar 级联分类器，dlib 的检测效果更准确，误检率更低。

二、dlib 环境搭建

2.1 版本要求

2.2 安装方式

方式一：使用 conda 安装（推荐）

condainstall-cconda-forge dlib

方式二：离线安装（推荐 Windows 用户）

如果你的 Python 版本和系统不匹配在线安装，可以使用离线 whl 文件安装。以下是不同 Python 版本对应的 dlib 安装包：

离线安装步骤：

# 先查看自己的 Python 版本python--version# 根据版本选择对应的 whl 文件，例如 Python 3.11pipinstalldlib-19.24.1-cp311-cp311-win_amd64.whl

怎么看文件名：cp311表示 Python 3.11，win_amd64表示 Windows 64 位系统。选择与自己 Python 版本一致的 whl 文件即可。

2.3 验证安装

importdlibprint(dlib.__version__)

三、dlib 图片人脸检测

3.1 完整代码

importcv2importdlibimportnumpyasnp# get_frontal_face_detector() 生成人脸检测器# 使用 HOG 算法、线性分类器、金字塔图像结构和滑动窗口检测等技术# 比 OpenCV 提供的 Haar 级联分类器效果更好detector=dlib.get_frontal_face_detector()# 读取图片img=cv2.imread("faces.png")img=cv2.resize(img,(0,0),fx=0.5,fy=0.5)# 参数：# image：待检测的可能含有人脸的图像# n：表示采用上采样的次数。上采样会让图像变大，能够检测到更多人脸对象，# 提高小人脸的检测效果。通常建议将此参数设置为 0 或 1。# 较大的值会增加检测的准确性，但会降低处理速度。# 返回值 faces：返回检测图像中的所有人脸框faces=detector(img,0)forfaceinfaces:# 获取人脸框的坐标x1=face.left()y1=face.top()x2=face.right()y2=face.bottom()# 绘制人脸框cv2.rectangle(img,(x1,y1),(x2,y2),(0,255,0),2)cv2.imshow("img",img)cv2.waitKey(0)cv2.destroyAllWindows()

3.2 关键函数说明

四、dlib vs OpenCV 人脸检测对比

4.1 完整代码

importcv2importdlib# OpenCV Haar 级联分类器face_cascade=cv2.CascadeClassifier(cv2.data.haarcascades+'haarcascade_frontalface_default.xml')# dlib HOG 检测器detector=dlib.get_frontal_face_detector()cap=cv2.VideoCapture(0)ifnotcap.isOpened():print("Cannot open camera")exit()whileTrue:ret,image=cap.read()ifnotret:print("不能读取摄像头")breakimg=image.copy()# ---------- OpenCV 检测 ----------gray=cv2.cvtColor(image,cv2.COLOR_BGR2GRAY)faces_cv=face_cascade.detectMultiScale(gray,1.05,9,minSize=(20,20))for(x,y,w,h)infaces_cv:cv2.rectangle(image,(x,y),(x+w,y+h),(0,255,0),2)cv2.imshow('opencv',image)# ---------- dlib 检测 ----------faces_dlib=detector(img,0)forfaceinfaces_dlib:x1=face.left()y1=face.top()x2=face.right()y2=face.bottom()cv2.rectangle(img,(x1,y1),(x2,y2),(0,255,0),2)cv2.imshow("dlib",img)ifcv2.waitKey(1)==27:breakcap.release()cv2.destroyAllWindows()

4.2 两种检测器对比

总结：dlib 的检测效果明显优于 OpenCV Haar，但速度略慢。实际项目中可根据需求选择。

五、总结

核心函数速查

版本要求速查

注意事项

系列直达

• 上篇：OpenCV学习：人脸识别
• 本篇：OpenCV学习：dlib 人脸检测（本文）
• 下篇：OpenCV学习：dlib 人脸关键点检测