使用Dlib来运行基于CNN的人脸检测
2017-04-13 14:17
441 查看
检测结果如下
![](https://images2015.cnblogs.com/blog/693958/201704/693958-20170413141243298-393554728.png)
这个示例程序需要使用较大的内存,请保证内存足够。本程序运行速度比较慢,远不及OpenCV中的人脸检测。
注释中提到的几个文件下载地址如下
http://dlib.net/face_detection_ex.cpp.html
http://dlib.net/dnn_introduction_ex.cpp.html
http://dlib.net/dnn_introduction2_ex.cpp.html
http://dlib.net/dnn_mmod_ex.cpp.html
![](https://images2015.cnblogs.com/blog/693958/201704/693958-20170413141243298-393554728.png)
这个示例程序需要使用较大的内存,请保证内存足够。本程序运行速度比较慢,远不及OpenCV中的人脸检测。
注释中提到的几个文件下载地址如下
http://dlib.net/face_detection_ex.cpp.html
http://dlib.net/dnn_introduction_ex.cpp.html
http://dlib.net/dnn_introduction2_ex.cpp.html
http://dlib.net/dnn_mmod_ex.cpp.html
/* 这个示例程序展示如何使用Dlib来运行基于CNN的人脸检测。示例程序加载现有训练模型数据,并使用它在图像中查找人脸。CNN模型在运行时比基于HOG模型的检测要精确很多,然而,只有在GPU上执行才能达到较快的速度。例如,在NVIDIA Titan X GPU上,此程序与face_detection_ex.cpp处理图像的速度相同。 另外,刚刚学习dlib深度学习API的用户应该阅读dnn_introduction_ex.cpp和dnn_introduction2_ex.cpp示例,来了解API的工作原理。有关对象检测方法的介绍,您应该阅读dnn_mmod_ex.cpp 训练模型 TRAINING THE MODEL 最后,有兴趣对面部检测器进行训练的用户,可以阅读dnn_mmod_ex.cpp示例程序。 应该注意的是,本示例程序中使用的面部检测器比dnn_mmod_ex.cpp中展示的具有更 大的训练数据集和更大的CNN架构,但是其他训练条件是相同的。如果和dnn_mmod_ex.cpp 代码中的net_type比较,可以看到它们非常相似,只是增加了参数的数量。 另外,训练中以下训练参数有所不同: dnn_mmod_ex.cpp中有以下更改 mmod_options options(face_boxes_train,40*40) trainer.set_iterations_without_progress_threshold(300); 在以下示例中使用训练数据中使用参数为: mmod_options options(face_boxes_train, 80*80); trainer.set_iterations_without_progress_threshold(8000); 此外,random_cropper保持默认设置,所以我们没有调用以下函数: cropper.set_chip_dims(200, 200); cropper.set_min_object_height(0.2); 用于训练的数据也可在下面地址中找到 http://dlib.net/files/data/dlib_face_detection_dataset-2016-09-30.tar.gz */ #include <iostream> #include <dlib/dnn.h> #include <dlib/data_io.h> #include <dlib/image_processing.h> #include <dlib/gui_widgets.h> using namespace std; using namespace dlib; // ---------------------------------------------------------------------------------------- template <long num_filters, typename SUBNET> using con5d = con<num_filters,5,5,2,2,SUBNET>; template <long num_filters, typename SUBNET> using con5 = con<num_filters,5,5,1,1,SUBNET>; template <typename SUBNET> using downsampler = relu<affine<con5d<32, relu<affine<con5d<32, relu<affine<con5d<16,SUBNET>>>>>>>>>; template <typename SUBNET> using rcon5 = relu<affine<con5<45,SUBNET>>>; using net_type = loss_mmod<con<1,9,9,1,1,rcon5<rcon5<rcon5<downsampler<input_rgb_image_pyramid<pyramid_down<6>>>>>>>>; // ---------------------------------------------------------------------------------------- int main(int argc, char** argv) try { argc = 3; char* v[] = { "test", "D:\\Picture\\mmod_human_face_detector.dat", /*这是下载的训练数据*/ "D:\\Picture\\222209_MIoI_1428332.jpg" /*用于检测的文件*/ }; argv = v; if (argc == 1) { cout << "程序的使用,通过类似如下命令:" << endl; cout << "./dnn_mmod_face_detection_ex mmod_human_face_detector.dat faces/*.jpg" << endl; cout << "\n你可以从下面的地址获取 mmod_human_face_detector.dat 文件:\n"; cout << "http://dlib.net/files/mmod_human_face_detector.dat.bz2" << endl; return 0; } net_type net; deserialize(argv[1]) >> net; // 将训练数据传递给检测器 image_window win; for (int i = 2; i < argc; ++i) { matrix<rgb_pixel> img; load_image(img, argv[i]); // 加载图像 // 向上采样图像将使得我们能够检测较小的面孔,但会导致程序使用更多的内存,并运行时间更长。 while(img.size() < 512*512) pyramid_up(img); // 注意,您可以一次处理std::vector中的一堆图像,并且这样运行速度更快, // 因为这将形成小批量的图像,从而利用GPU硬件,获得更好的并行性。 //但是,所有图像的大小必须相同。为了避免相同尺寸的这一要求,我们在这个例子中单独处理每一张图像。 auto dets = net(img); // 获取检测结果 win.clear_overlay(); // 清除已经绘制的 win.set_image(img); // 绘制图像 // 将检测结果绘制在窗口上 for (auto&& d : dets){ win.add_overlay(d); } // 按下enter键去处理下一个图像 cout << "Hit enter to process the next image." << endl; cin.get(); } return 0; } catch(std::exception& e) { cout << e.what() << endl; }
相关文章推荐
- 基于CNN的人脸相似度检测
- Face Detection with the Faster R-CNN (基于Faster RCNN的人脸检测)
- 基于CNN的人脸相似度检测
- fast-r-cnn人脸检测运行记录
- 如何使基于OpenCV库的人脸检测系统在其它机器上运行
- 基于Adaboost的人脸检测算法
- 基于opencv人脸检测原理及实现
- (学习笔记二)——基于opencv人脸检测原理及实现
- 基于PCA的人脸检测(Matlab版代码)
- 基于肤色和眼睛定位的人脸检测算法——MATLAB实现【转】
- 基于OpenCV的人脸检测代码
- 基于Adaboost的人脸检测算法
- Learning opencv中的一个基于级联的Hear分类器的人脸检测
- 在zedboard板子上运行人脸检测例子
- 基于OpenCV读取摄像头进行人脸检测和人脸识别
- javascript语言搭建基于人脸检测的…
- OpenCV学习笔记:基于Haar特征的人脸检测
- 学习OpenCV——行人检测&人脸检测(总算运行出来了)
- 基于人眼识别的人脸检测技术
- 【转】简单的基于YCrCb颜色空间的人脸检测(肤色)