face_recognition による顔識別.訓練データによる訓練と,検証データによる検証(Dlib,ageitgey/face_recognition,Python を使用)(Windows 上)
1. エグゼクティブサマリー
Dlibは,機械学習,数値計算,画像処理,グラフィカルモデル推論,スレッド,通信,GUI,データ圧縮・一貫性,テストなど数多くの機能を持つ C++ ライブラリである.Python API もある.
本記事では,Dlib と ageitgey/face_recognition を用いた顔識別の手順を説明する.誰であるかが既知の顔写真(正解画像)を複数準備し,新しい画像に対して Dlib と knn アルゴリズムにより顔識別を行う.公開プログラム(face_recognition_knn.py)を使用する.
knn アルゴリズムの概要を以下に示す.
- 事前に,ラベル付きデータを複数準備する(事前データ).
- 新しいデータが1つあるとき,事前データすべてとの類似度を計算する.
- 類似度が高いもの数個を選び,それらのラベルの多数決を取る.
- 多数決の結果得られたラベルを識別結果とする.
- 説明資料: Dlib の機能概要 [PDF], [パワーポイント]
- 顔情報処理の Python プログラム(Dlib,face_recognition を使用) について: 別ページ »にまとめ
- Windows で動く人工知能関係 Python アプリケーション,オープンソースソフトウェア: 別ページ »にまとめている.
2. 前準備(必要ソフトウェアの入手)
ここでは、最低限の事前準備について説明する。機械学習や深層学習を行う場合は、NVIDIA CUDA、Visual Studio、Cursorなどを追加でインストールすると便利である。これらについては別ページ https://www.kkaneko.jp/cc/dev/aiassist.htmlで詳しく解説しているので、必要に応じて参照してください。
Build Tools for Visual Studio 2026 のインストール(Windows 上) [クリックして展開]
Build Tools for Visual Studio は,Visual Studio の IDE を含まない C/C++ コンパイラ,ライブラリ,ビルドツール等のコマンドライン向け開発ツールセットである。インストール済みの場合、この手順は不要である。
管理者権限のコマンドプロンプトで以下を実行する。管理者権限のコマンドプロンプトを起動するには、Windows キーまたはスタートメニューから「cmd」と入力し、表示された「コマンドプロンプト」を右クリックして「管理者として実行」を選択する。
REM VC++ ランタイム
winget install --scope machine --id Microsoft.VCRedist.2015+.x64 -e --silent --disable-interactivity --force --accept-source-agreements --accept-package-agreements --override "/quiet /norestart"
REM Build Tools + Desktop development with C++(VCTools)+ 追加コンポーネント(一括)
winget install --scope machine --id Microsoft.VisualStudio.BuildTools -e --silent --disable-interactivity --force --accept-source-agreements --accept-package-agreements --override "--quiet --wait --norestart --nocache --add Microsoft.VisualStudio.Workload.VCTools --includeRecommended --add Microsoft.VisualStudio.Workload.MSBuildTools --add Microsoft.VisualStudio.Component.VC.CMake.Project --add Microsoft.VisualStudio.Component.VC.Llvm.Clang --add Microsoft.VisualStudio.Component.VC.Llvm.ClangToolset --add Microsoft.VisualStudio.Component.Windows11SDK.26100"
--add で追加されるコンポーネント
上記のコマンドでは,まず Build Tools 本体と Visual C++ 再頒布可能パッケージをインストールし,次に setup.exe を用いて以下のコンポーネントを追加している。
VCTools:C++ デスクトップ開発ワークロード(--includeRecommendedにより、MSVC コンパイラ、C++ AddressSanitizer、vcpkg、CMake ツール、Windows 11 SDK 等の推奨コンポーネントが含まれる)VC.Llvm.Clang:Windows 向け C++ Clang コンパイラClangCL:clang-cl ツールセットを含むコンポーネントグループ(MSBuild から Clang を使用するために必要)VC.CMake.Project:Windows 向け C++ CMake ツールWindows11SDK.26100:Windows 11 SDK(ビルド 10.0.26100)
インストール完了の確認
winget list Microsoft.VisualStudio.BuildTools
上記以外の追加のコンポーネントが必要になった場合は Visual Studio Installer で個別にインストールできる。
Visual Studio の機能を必要とする場合は、追加インストールできる。
Python 3.12 のインストール(Windows 上) [クリックして展開]
以下のいずれかの方法で Python 3.12 をインストールする。Python がインストール済みの場合、この手順は不要である。
方法1:winget によるインストール
管理者権限のコマンドプロンプトで以下を実行する。管理者権限のコマンドプロンプトを起動するには、Windows キーまたはスタートメニューから「cmd」と入力し、表示された「コマンドプロンプト」を右クリックして「管理者として実行」を選択する。
winget install --scope machine --id Python.Python.3.12 -e --silent --disable-interactivity --force --accept-source-agreements --accept-package-agreements --override "/quiet InstallAllUsers=1 PrependPath=1 Include_pip=1 Include_test=0 Include_launcher=1 InstallLauncherAllUsers=1"
--scope machine を指定することで、システム全体(全ユーザー向け)にインストールされる。このオプションの実行には管理者権限が必要である。インストール完了後、コマンドプロンプトを再起動すると PATH が自動的に設定される。
方法2:インストーラーによるインストール
- Python 公式サイト(https://www.python.org/downloads/)にアクセスし、「Download Python 3.x.x」ボタンから Windows 用インストーラーをダウンロードする。
- ダウンロードしたインストーラーを実行する。
- 初期画面の下部に表示される「Add python.exe to PATH」に必ずチェックを入れてから「Customize installation」を選択する。このチェックを入れ忘れると、コマンドプロンプトから
pythonコマンドを実行できない。 - 「Install Python 3.xx for all users」にチェックを入れ、「Install」をクリックする。
インストールの確認
コマンドプロンプトで以下を実行する。
python --version
バージョン番号(例:Python 3.12.x)が表示されればインストール成功である。「'python' は、内部コマンドまたは外部コマンドとして認識されていません。」と表示される場合は、インストールが正常に完了していない。
AIエディタ Windsurf のインストール(Windows 上) [クリックして展開]
Pythonプログラムの編集・実行には、AIエディタの利用を推奨する。ここでは、Windsurfのインストールを説明する。Windsurf がインストール済みの場合、この手順は不要である。
管理者権限のコマンドプロンプトで以下を実行する。管理者権限のコマンドプロンプトを起動するには、Windows キーまたはスタートメニューから「cmd」と入力し、表示された「コマンドプロンプト」を右クリックして「管理者として実行」を選択する。
winget install --scope machine --id Codeium.Windsurf -e --silent --disable-interactivity --force --accept-source-agreements --accept-package-agreements --custom "/SP- /SUPPRESSMSGBOXES /NORESTART /CLOSEAPPLICATIONS /DIR=""C:\Program Files\Windsurf"" /MERGETASKS=!runcode,addtopath,associatewithfiles,!desktopicon"
powershell -Command "$env:Path=[System.Environment]::GetEnvironmentVariable('Path','Machine')+';'+[System.Environment]::GetEnvironmentVariable('Path','User'); windsurf --install-extension MS-CEINTL.vscode-language-pack-ja --force; windsurf --install-extension ms-python.python --force; windsurf --install-extension Codeium.windsurfPyright --force"
--scope machine を指定することで、システム全体(全ユーザー向け)にインストールされる。このオプションの実行には管理者権限が必要である。インストール完了後、コマンドプロンプトを再起動すると PATH が自動的に設定される。
【関連する外部ページ】
Windsurf の公式ページ: https://windsurf.com/
Git のインストール(Windows 上) [クリックして展開]
管理者権限のコマンドプロンプトで以下を実行する。管理者権限のコマンドプロンプトを起動するには、Windows キーまたはスタートメニューから「cmd」と入力し、表示された「コマンドプロンプト」を右クリックして「管理者として実行」を選択する。
REM Git をシステム領域にインストール
winget install --scope machine --id Git.Git -e --silent --disable-interactivity --force --accept-source-agreements --accept-package-agreements --override "/VERYSILENT /NORESTART /NOCANCEL /SP- /CLOSEAPPLICATIONS /RESTARTAPPLICATIONS /COMPONENTS=""icons,ext\reg\shellhere,assoc,assoc_sh"" /o:PathOption=Cmd /o:CRLFOption=CRLFCommitAsIs /o:BashTerminalOption=MinTTY /o:DefaultBranchOption=main /o:EditorOption=VIM /o:SSHOption=OpenSSH /o:UseCredentialManager=Enabled /o:PerformanceTweaksFSCache=Enabled /o:EnableSymlinks=Disabled /o:EnableFSMonitor=Disabled"
7-Zip のインストール(Windows 上) [クリックして展開]
管理者権限のコマンドプロンプトで以下を実行する。管理者権限のコマンドプロンプトを起動するには、Windows キーまたはスタートメニューから「cmd」と入力し、表示された「コマンドプロンプト」を右クリックして「管理者として実行」を選択する。
REM 7-Zip をシステム領域にインストール
winget install --scope machine --id 7zip.7zip -e --silent --installer-type msi --disable-interactivity --force --accept-source-agreements --accept-package-agreements --override "/qn /norestart"
REM 7-Zip のパス設定
powershell -NoProfile -Command "$p='C:\Program Files\7-Zip'; $c=[Environment]::GetEnvironmentVariable('Path','Machine'); if((Test-Path $p) -and $c -notlike \"*$p*\"){[Environment]::SetEnvironmentVariable('Path',\"$p;$c\",'Machine')}"
Dlib ライブラリのインストールと学習済みモデルのダウンロード [クリックして展開]
管理者権限のコマンドプロンプトで以下を実行する。管理者権限のコマンドプロンプトを起動するには、Windows キーまたはスタートメニューから「cmd」と入力し、表示された「コマンドプロンプト」を右クリックして「管理者として実行」を選択する。
Dlib ライブラリのインストール
python -m pip uninstall -y dlib
cd C:\
rmdir /s /q dlib
git clone https://github.com/davisking/dlib
cd C:\dlib
python setup.py build --no DLIB_GIF_SUPPORT
python setup.py install --no DLIB_GIF_SUPPORT
インストールの確認
python -c "import dlib; print( dlib.__version__ )"
Dlib のソースコード等のダウンロード
cd C:\
rmdir /s /q dlib
git clone https://github.com/davisking/dlib
学習済みモデルのダウンロード
cd C:\dlib
cd python_examples
curl -O http://dlib.net/files/mmod_human_face_detector.dat.bz2
curl -O http://dlib.net/files/dlib_face_recognition_resnet_model_v1.dat.bz2
curl -O http://dlib.net/files/shape_predictor_5_face_landmarks.dat.bz2
curl -O http://dlib.net/files/shape_predictor_68_face_landmarks.dat.bz2
"c:\Program Files\7-Zip\7z.exe" x mmod_human_face_detector.dat.bz2
"c:\Program Files\7-Zip\7z.exe" x dlib_face_recognition_resnet_model_v1.dat.bz2
"c:\Program Files\7-Zip\7z.exe" x shape_predictor_5_face_landmarks.dat.bz2
"c:\Program Files\7-Zip\7z.exe" x shape_predictor_68_face_landmarks.dat.bz2
del mmod_human_face_detector.dat.bz2
del dlib_face_recognition_resnet_model_v1.dat.bz2
del shape_predictor_5_face_landmarks.dat.bz2
del shape_predictor_68_face_landmarks.dat.bz2
Dlib の動作確認
次を実行し,エラーメッセージが出ずに顔検出の結果が表示されれば OK とする.
cd C:\dlib
cd python_examples
python cnn_face_detector.py mmod_human_face_detector.dat ..\examples\faces\2007_007763.jpg
必要なライブラリのインストール [クリックして展開]
管理者権限のコマンドプロンプトで以下を実行する。管理者権限のコマンドプロンプトを起動するには、Windows キーまたはスタートメニューから「cmd」と入力し、表示された「コマンドプロンプト」を右クリックして「管理者として実行」を選択する。
python -m pip install -U opencv-python opencv-contrib-python numpy scikit-image scikit-learn
ageitgey の face_recognition のインストール [クリックして展開]
管理者権限のコマンドプロンプトで以下を実行する。管理者権限のコマンドプロンプトを起動するには、Windows キーまたはスタートメニューから「cmd」と入力し、表示された「コマンドプロンプト」を右クリックして「管理者として実行」を選択する。
cd /d c:%HOMEPATH%
rmdir /s /q face_recognition
git clone https://github.com/ageitgey/face_recognition
cd face_recognition
copy C:\dlib\python_examples\shape_predictor_68_face_landmarks.dat .
python setup.py build
python setup.py install
インストール確認
バージョン番号が表示されればインストール成功である.
python -c "import face_recognition; print(face_recognition.__version__)"
3. 実行のための準備とその確認手順(Windows 前提)
3.1 プログラムファイルの準備
本記事では,公開プログラム face_recognition_knn.py を使用する.%HOMEPATH%\face_recognition\examples\face_recognition_knn.py を作業ディレクトリにコピーする.ここでは c:\w にコピーしている.
コピー先に以下のディレクトリ構造を作成する.
- 「knn_examples」ディレクトリを作る.
- 「knn_examples」の下に「train」ディレクトリを作る.
- 「knn_examples」の下に「test」ディレクトリを作る.
- 「train」の下に,人物ごとのディレクトリを複数作る.ディレクトリ名は英数字のみとし,分かりやすい名前がよい.次の例では2つ作っているが,3つ以上でもよい.
上記のディレクトリ構造は,以下のコマンドで一括作成することもできる.
cd /d c:\w
mkdir knn_examples\train\person1 knn_examples\train\person2 knn_examples\test
「train」の各サブディレクトリに訓練用画像を置く.拡張子は .png, .jpg, .jpeg のいずれかであること.
「test」の下に,顔識別させたい画像を置く.
3.2 実行コマンド
コマンドプロンプトで face_recognition_knn.py の配置先に移動し,以下を実行する.
cd /d c:\w
python face_recognition_knn.py
3.3 動作確認チェックリスト
| 確認項目 | 期待される結果 |
|---|---|
| dlib のインポート確認 | python -c "import dlib; print(dlib.__version__)" でバージョン番号が表示される |
| face_recognition のインポート確認 | python -c "import face_recognition; print(face_recognition.__version__)" でバージョン番号が表示される |
| Dlib の動作確認(CNN 顔検出) | python cnn_face_detector.py mmod_human_face_detector.dat ..\examples\faces\2007_007763.jpg でエラーなく顔検出結果が表示される |
| 訓練用ディレクトリ構造 | knn_examples\train の下に人物ごとのサブディレクトリがあり,各ディレクトリに .png / .jpg / .jpeg 画像が存在する |
| 検証用ディレクトリ構造 | knn_examples\test の下に顔識別対象の画像が存在する |
| face_recognition_knn.py の実行 | python face_recognition_knn.py で顔識別結果が表示される |
| 結果のファイル保存(任意) | コードに pil_image.save('result' + os.path.basename(img_path)) を追加した場合,結果画像がファイルに保存される |
4. 概要・使い方・実行上の注意
訓練データと検証データ
誰であるかが既知の顔写真(正解画像)を複数準備し,「train」の人物ごとのサブディレクトリに配置する.顔写真の枚数は多いほうが精度が高い.「test」には顔識別させたい画像を置く.
使用モデルの選択
精度向上の工夫
結果の確認
実行後,顔識別の結果が表示される.
結果をファイルに保存する方法
face_recognition_knn.py に以下の1行を追加する.
pil_image.save('result' + os.path.basename(img_path))
実行すると,結果がファイルに保存される.
ソースコードの入手方法については第5章を参照すること.
5. ソースコード
本記事では,ageitgey/face_recognition リポジトリに含まれる公開プログラム face_recognition_knn.py を使用する.ソースコードは以下の手順で入手する.
cd /d c:%HOMEPATH%
rmdir /s /q face_recognition
git clone https://github.com/ageitgey/face_recognition
クローン後,%HOMEPATH%\face_recognition\examples\face_recognition_knn.py が対象のプログラムファイルである.これを作業ディレクトリ(例:c:\w)にコピーして使用する.
結果をファイルに保存したい場合は,以下の1行をプログラムの該当箇所に追加する.
pil_image.save('result' + os.path.basename(img_path))
6. まとめ
face_recognition による顔識別
Dlib と ageitgey/face_recognition を用いて,訓練データによる訓練と検証データによる検証を行い,顔識別を実現する.公開プログラム face_recognition_knn.py を使用する.
knn アルゴリズム
ラベル付きの事前データと新しいデータの類似度を計算し,類似度上位数個のラベルの多数決で識別結果を決定する.
訓練データの準備
誰であるかが既知の顔写真(正解画像)を複数準備し,人物ごとのディレクトリに配置する.顔写真の枚数は多いほうが精度が高い.
モデルの選択(hog と CNN)
プログラムではモデルとして hog を使う.CNN を使う場合は,face_locations のところを「face_locations(..., model="cnn")」のように書き換える.
精度向上の工夫
画像サイズを変える(解像度を変える)など,少しの工夫で検出漏れの解消や顔識別精度の向上が見込める.