前言 人脸识别在LWF(Labeled Faces in the Wild)数据集上人脸识别率现在已经99.7%以上，这个识别率确实非常高了，但是真实的环境中的准确率有多少呢？我没有这方面的数据，但是可以确信的是真实环境中的识别率并没有那么乐观。现在虽然有一些商业应用如员工人脸识别管理系统、海关身份验证系统、甚至是银行人脸识别功能，但是我们可以仔细想想员工人脸识别管理，海关身份证系统的应用场景对身份的验证功能其实并没有商家吹嘘的那么重要，打个比方说员工上班的时候刷脸如果失败了会怎样，是不是重新识别一下，如果还是误识别，或是识别不出，是不是就干脆刷卡或是其他方式登记上班，然后骂一句他娘的，本人那

0.引言 利用python开发，借助Dlib库捕获摄像头中的人脸，提取人脸特征，通过计算欧氏距离来和预存的人脸特征进行对比，达到人脸识别的目的； 可以自动从摄像头中抠取人脸图片存储到本地，然后提取构建预设人脸特征； 根据抠取的 / 已有的同一个人多张人脸图片提取128D特征值，然后计算该人的128D特征均值； 然后和摄像头中实时获取到的人脸提取出的特征值，计算欧氏距离，判定是否为同一张人脸；　　 人脸识别 / face recognition的说明： wikipedia 关于人脸识别系统 / face recognition system 的描述：theywork by comparing s

dlib人脸检测模型，可以检测出人脸68个特征点，包括眼睛、耳朵、嘴巴、鼻子、轮廓等部位，可用于眨眼检测，张闭口检测，活体检测等用途。

0.引言 利用python开发，借助Dlib库进行人脸识别，然后将检测到的人脸剪切下来，依次排序显示在新的图像上； 实现的效果如下图所示，将图1原图中的6张人脸检测出来，然后剪切下来，在图像窗口中依次输出显示人脸； 实现比较简单，代码量也比较少，适合入门或者兴趣学习。 图1 原图和处理后得到的图像窗口 1.开发环境 python:　　3.6.3 dlib:　　　 19.7 OpenCv, numpy import dlib # 人脸识别的库dlib import numpy as np # 数据处理的库numpy import cv2 # 图像处理的库OpenCv 2.设计流程 工作

实现流程 从摄像头获取视频流，并转换为一帧一帧的图像，然后将图像信息传递给opencv这个工具库处理，返回灰度图像（就像你使用本地静态图片一样） 程序启动后，根据监听器信息，使用一个while循环，不断的加载视频图像，然后返回给opencv工具呈现图像信息。 创建一个键盘事件监听，按下”d”键，则开始执行面部匹配，并进行面具加载（这个过程是动态的，你可以随时移动）。 面部匹配使用Dlib中的人脸检测算法来查看是否有人脸存在。如果有，它将为每个人脸创建一个结束位置，眼镜和烟卷会移动到那里结束。 然后我们需要缩放和旋转我们的眼镜以适合每个人的脸。我们将使用从Dlib的68点模型返回的点集来找到眼

人脸检测方法有许多，比如opencv自带的人脸Haar特征分类器和dlib人脸检测方法等。对于opencv的人脸检测方法，有点是简单，快速；存在的问题是人脸检测效果不好。正面/垂直/光线较好的人脸，该方法可以检测出来，而侧面/歪斜/光线不好的人脸，无法检测。因此，该方法不适合现场应用。对于dlib人脸检测方法 ，效果好于opencv的方法，但是检测力度也难以达到现场应用标准。 MTCNN是基于深度学习的人脸检测方法，对自然环境中光线，角度和人脸表情变化更具有鲁棒性，人脸检测效果更好；同时，内存消耗不大，可以实现实时人脸检测。 代码如下： from scipy import misc impo

人脸检测，dlib人脸的5或68特征点库dat文件

本周暂时比较清闲，可以保持每日一更的速度。 国外身份证项目新增需求，检测出身份证正面的人脸。最开始考虑mobilenet-ssd，经同事提醒，有现成的人脸库dlib，那就用传统方法尝试一下。 dlib安装 dlib的安装小费一波周折，我的python版本是3.6，直接pip install dlib安装失败。https://pypi.org/project/dlib/19.6.0/找到python3.6对应的whl文件下载安装或者直接pip install dlib==19.6.0 提示Successfully installed dlib-19.6.0安装成功。事情没那么简单，import

Dlib 人脸识别库的帮助文档，很有用！Dlib可以用来进行人脸识别，效率很高，速度很快。因为他使用了机器学习进行训练，而用户在使用人脸检测时，只用很少的代码就可以快速的检测。详细的在文档里，自己去看看吧

在dlib实例基础上实现了人脸检测和人脸框图像的本地保存；批量读取文件并保存人脸关键点至txt和标签至文件。