Python第三方库face_recognition在windows上的安装过程_Python

Python第三方库face_recognition在windows上的安装过程

2021-06-23 00:10WDC Python

今天为大家介绍下face recognition在Windows系统上安装与使用，但在Windows平台上face recognition性能会有所下降

实际上face_recognition这个项目尤其是dlib更适用于linux系统。经过我的测试，在性能方面，编译同样规格的项目，这个工具在windows 10 上大约是ubuntu上的四分之一。但是在这两者之间我没有看到在其他方面有什么差别。

我使用本教程将这些工具安装到windows10上，更近的版本也可能正常运行。

安装了c/c++ 编译器的microsoft visual studio 2015
boost 库，v1.63或者更近的版本
python3
cmake，windows安装时要将其路径加入环境变量

下载和安装 scipy 和 numpy+mkl (必须是 mkl 版本)，下载链接，注意要基于你的python版本选择合适的版本下载。

根据你当前的msvc版本下载对应的 boost 库(库的源代码或者是二进制release版本)，下载链接。

如果下载的是二进制版本则调到第4步，否则按照如下的过程编译 boost 库：

进入c:\local\boost_1_xx_x(x 代表你当前的boost版本)提取 boost 源文件

根据以下格式新建系统变量：

name: vs140comntools

value: c:\program files (x86)\microsoft visual studio 14.0\common7\tools\ (此处为任何你安装msvc的路径)

打开visual studio 2015自带的开发人员工具类似于“vs2015 开发人员命令提示”，进入 boost 目录编译 boost 库：

c:\boost_1_xx_x>bootstrap 这一步执行完之后会自动生成b2.exe文件

c:\boost_1_xx_x>b2 -a –with-python address-model=64 toolset=msvc runtime-link=static 这一步编译需要较长的时间，请耐心等待

4.boost 库成功编译后，编译生成的文件位于 stage 这个文件夹中。

如果你已经编译了 boost 请跳过这一步。如果你已经下载了二进制的release版本，则进入boost目录 c:\local\boost_1_xx_x

获取最新版本的 dlib 包，下载链接

进入 dlib 的目录，打开 cmd ，运行如下的命令编译 dlib

将以下两个参数加入环境变量

boost_root=c:\local\boost_x_xx_x
boost_librarydir=c:\local\boost_x_xx_x\stage\lib

然后再运行如下代码：

python setup.py install –yes use_avx_instructions or python setup.py install –yes

use_avx_instructions –yes dlib_use_cuda

现在你可以使用 import dlib进入python脚本

你可以使用 pip show dlib查看当前 dlib 的版本

现在你可以使用 pip install face_recognition安装face_recognition

enjoy!

dlib安装也可以使用：

conda install -c menpo dlib=18.18
其中18.18为dlib的版本号

如果安装成功，运行以下代码就可以正常运行了。

				?

									# -*- coding: utf-8 -*-

									"""

									created on sat sep 23 21:15:42 2017

									@author: romji

									"""

									import face_recognition

									import cv2

									import sys

									def face_reg(file):

									  # 读取图片并识别人脸

									  img = face_recognition.load_image_file(file)

									  face_locations = face_recognition.face_locations(img)

									  print(face_locations)

									  # 调用opencv函数显示图片

									  img = cv2.imread(file)

									  cv2.imshow("原图", img)

									  # 遍历每个人脸，并标注

									  facenum = len(face_locations)

									  for i in range(0, facenum):

									    top = face_locations[i][0]

									    right = face_locations[i][1]

									    bottom = face_locations[i][2]

									    left = face_locations[i][3]

									    start = (left, top)

									    end = (right, bottom)

									    color = (55,255,155)

									    thickness = 3

									    cv2.rectangle(img, start, end, color, thickness)

									  # 显示识别结果

									  cv2.imshow("识别", img)

									  cv2.waitkey(0)

									  cv2.destroyallwindows()

									if __name__ == '__main__':

									  filename = sys.argv[1]

									  face_reg(filename)