标签: dlib

我正在做一个图像处理项目.我需要从一个varible(cv_image <bgr_pixel>)到另一个变量(cv_image <bgr_pixel>)中提取一个感兴趣的区域dlib::rectangle varible

在OpenCV中,它像:

Mat mainImage=cv::imread(location,0);
Mat roi = mainImage(cv::Rect(0,0,100,100))

在Dlib中有没有类似的方法？

我正在尝试使用DLIB的face_landmark_detection_ex.cpp在Visual Studio中构建C++应用程序.构建应用程序从命令promt运行,经过训练的模型和映像文件作为参数传递.

face_landmark_detection_ex.exe shape_predictor_68_face_landmarks.dat image.jpg

这 shape_predictor_68_face_landmarks.dat是68个地标的训练模型,用于对输入图像执行检测,并且每次都需要在运行时加载以执行任何检测.我正在尝试做以下事情.

• 在构建应用程序或编译时加载此 shape_predictor_68_face_landmarks.dat.
• 在代码中读取shape_predictor_68_face_landmarks.dat,这样每次我的应用程序执行时,都不会占用更多的内存.

有没有办法在我的应用程序中打包此文件,以便运行更少的物理内存.

更新:

如何将此shape_predictor_68_face_landmarks.dat文件存储在静态缓冲区中,以便每次shape_predictor都可以从此缓冲区读取.

对于 dlib，我完全是菜鸟。我知道如何直接从文件加载面部形状模型并且它有效。

dlib::shape_predictor face_shape_predictor_;
dlib::deserialize("shape_predictor_68_face_landmarks.dat") >> face_shape_predictor_;

但是如何从 istream 反序列化？

我有以下代码：

dlib::shape_predictor face_shape_predictor_;
std::stringstream face_data_stream;

loadDataToStream(face_data_stream);
dlib::deserialize(face_shape_predictor_, face_data_stream);

我不知道如何让它发挥作用。

跟进:openface/issue/157

我试图将dlib正面探测器中的五级级联拆分为三级(前视,前视但向左旋转,前视但向右旋转)

Evgeniy建议用C++拆分探测器.我不熟悉C++.当我查看frontal_face_detector.h时,get_serialized_frontal_faces返回一个base64编码对象.

我学会了如何将现有的探测器保存到.svm文件中:

#include <dlib/image_processing/frontal_face_detector.h>
#include <iostream>

using namespace dlib;
using namespace std;

int main()
{   
    frontal_face_detector detector = get_frontal_face_detector(); 

    dlib::serialize("new_detector.svm") << detector;  

    std::cout<<"End of the Program"<<endl;
    return 0;   
}

那么如何拆分级联并将新探测器保存到.svm文件中？

通过将frontal_face_detector.h中的金字塔等级从<6>降低到较低值,检测器性能也会提高吗？

我试图使用python的dlib库来检测面部标志。我正在使用面部检测器上给出的示例。在安装dlib之前，我已经安装了所有依赖项。

首先，我使用上面链接中给出的“ sudo apt-get install libboost-python-dev cmake”安装了cmake和libboost。然后，我使用“ pip install dlib”安装了dlib。

我的代码：

import sys
import os
import dlib
import glob
from skimage import io

predictor_path = 'shape_predictor_68_face_landmarks.dat'
faces_folder_path = './happy'
detector = dlib.get_frontal_face_detector()
predictor = dlib.shape_predictor(predictor_path)
win = dlib.image_window()

for f in glob.glob(os.path.join(faces_folder_path, "*.jpg")):
    print("Processing file: {}".format(f))
    img = io.imread(f)

    win.clear_overlay()
    win.set_image(img)

    # Ask the detector to find the bounding boxes of each face. The 1 in the
    # second argument indicates that we should upsample the image 1 …

我试图imutils.face_utils通过将 OpenCV 矩形转换为 Dlib 的矩形，在使用 Dlibs进行人脸识别之前对齐人脸。但我一直保持错误矩形不可迭代。这是代码

detector = dlib.get_frontal_face_detector()
predictor = dlib.shape_predictor("shape_predictor_68_face_landmarks.dat")

fa = FaceAligner(predictor)

如何首先使用 Dlib FaceUtils 进行对齐，然后使用 OpenCV 进行预测recognizer.predict()？

gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
faces = detector(gray, 2)

# If faces are found, try to recognize them
for (x,y,w,h)  in faces:
    (x1, y1, w1, h1) = rect_to_bb(x,y,w,h)

    faceAligned = fa.align(image, gray, (x1,y1,w1,h1))
    label, confidence = recognizer.predict(faceAligned)

    if confidence < threshold:
        found_faces.append((label, confidence, (x, y, w, h)))

return found_faces

我正在尝试用 cuda 编译 dlib。我从此 GitHub 链接https://github.com/davisking/dlib克隆存储库，然后尝试运行

python setup.py install --yes USE_AVX_INSTRUCTIONS

但我收到一个错误。任何人都可以帮我解决它吗？

我正在尝试将 dlib 安装到我的 python 虚拟环境中。

这里有一个非常相似的问题，我按照确切的步骤进行操作，但没有成功。

不知何故，我能够在运行代码时导入 dlib ，并且我设法通过 git cloning 来做到这一点git clone -b pybind11 https://github.com/supervacuus/dlib.git。

但是当我尝试安装它pip3 install dlib或依赖于它的库（例如pip3 install face_recognition ）时，我收到错误消息，指出ERROR: Failed Building Wheel for dlib

完整的执行日志和错误在这里https://gist.github.com/GhettoBurger996/1e6a423b88b7435c8759255e19fa5e60

我使用的是 3.5.2 和 Ubuntu 16.04

我收到错误：symbol not found in flat namespace '_png_do_expand_palette_rgb8_neon' 尽管dlib已安装相关 Python 版本的包，但仍会发生错误。

我正在使用 VSCode，以防相关。

谁能帮我修复这个错误吗？

我是新手，很难解决这个问题。

我想做的是使用网络摄像头运行Face_recognition的示例代码。这两个示例都不适用于我，并且不断抛出此错误。

Traceback (most recent call last):
  File "C:\Users\...\Desktop\face_recognition\demo_webcam.py", line 55, in <module>
    face_encodings = face_recognition.face_encodings(rgb_small_frame, face_locations)
                     ^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^
  File "C:\Users\...\AppData\Local\Programs\Python\Python311\Lib\site-packages\face_recognition\api.py", line 214, in face_encodings
    return [np.array(face_encoder.compute_face_descriptor(face_image, raw_landmark_set, num_jitters)) for raw_landmark_set in raw_landmarks]
           ^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^
  File "C:\Users\...\AppData\Local\Programs\Python\Python311\Lib\site-packages\face_recognition\api.py", line 214, in <listcomp>  
    return [np.array(face_encoder.compute_face_descriptor(face_image, raw_landmark_set, num_jitters)) for raw_landmark_set in raw_landmarks]
                     ^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^
TypeError: compute_face_descriptor(): incompatible function arguments. The following argument types are supported:
    1. (self: _dlib_pybind11.face_recognition_model_v1, img: numpy.ndarray[(rows,cols,3),numpy.uint8], face: _dlib_pybind11.full_object_detection, num_jitters: int = 0, padding: float = 0.25) -> _dlib_pybind11.vector
    2. (self: …