金子邦彦研究室 ▶ 人工知能 ▶ 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エア） ▶ 顔検出，年齢と性別の推定，顔識別，人体検出（InsightFace のインストールと動作確認）（PyTorch，Python を使用）（Windows 上）

サイトマップ サイト内検索 まとめ

サイトの全体構成

顔検出，年齢と性別の推定，顔識別，人体検出（InsightFace のインストールと動作確認）（PyTorch，Python を使用）（Windows 上）

全体構成 人工知能 データベース ３次元，地図 プログラミング 情報工学全般 インストール 支援 連絡先，業績

【要約】

この記事では、Windows環境でInsightFaceをインストールし、顔検出、年齢と性別の推定、顔識別、人体検出を行う方法を説明しています。前提として必要なソフトウェアのインストール手順、InsightFaceのインストール方法、サンプル画像やカメラを用いた各機能の動作確認方法が具体的に示されています。顔検出と年齢・性別推定では、複数の画像ファイルを選択して一括処理する方法と、カメラを使ってリアルタイムに処理する方法の両方を示します。顔識別では、1つの顔画像を登録し、複数の画像と照合して類似度を算出する方法を示します。人体検出でも、複数画像の一括処理する方法を示します。全体を通して、コマンドラインでの操作手順をステップごとに示しており、確認しながら進めることができます。

【目次】

  1. 前準備
  2. InsightFace のインストール（Windows 上）
  3. InsightFace による顔検出，年齢と性別の推定，顔識別，人体検出（Windows 上）

【サイト内の関連ページ】 顔検出，顔識別（Dlib，face_recognition のインストールと動作確認）（Python を使用）（Windows 上）

【InsightFace】 InsightFace は，顔検出 (face detection)，顔のアラインメント， 顔検証 (face verification)， 顔識別 (face identification)の機能を持つ．

InsightFace の GitHub のページ: https://github.com/deepinsight/insightface

【顔検出 (face detection)】

Dlib には，Convolutional Neural Network (CNN) による顔検出の機能がある．

前準備

Build Tools for Visual Studio 2022 （ビルドツール for Visual Studio 2022）または Visual Studio 2022 のインストール（Windows 上）

【インストールの判断】 Build Tools for Visual Studio は，開発ツールセットである． Visual Studio は統合開発環境であり，いくつかの種類があり，Build Tools for Visual Studioの機能を含むか連携して使用するものである．インストールは以下の基準で判断してください：

不明な点がある場合は，Visual Studio 全体をインストール を行う方が良い．

Build Tools for Visual Studio 2022 のインストール（Windows 上）

  1. Windows で，コマンドプロンプトを管理者として実行

    コマンドプロンプトを管理者として実行: 別ページ »で説明

    次のコマンドを実行

    次のコマンドは，Build Tools for Visual Studio 2022と VC2015 再配布可能パッケージをインストールするものである． 

    winget install --scope machine Microsoft.VisualStudio.2022.BuildTools 
winget install --scope machine Microsoft.VCRedist.2015+.x64
  2. Build Tools for Visual Studio 2022 での C++ によるデスクトップ開発，CLI，ATL，MFC のインストール（Windows 上）
    1. Visual Studio Installer の起動

      起動方法: スタートメニューの「Visual Studio Installer」を選ぶ．

    2. Visual Studio Build Tools 2022 で「変更」を選ぶ．
      [image]
    3. 「C++ によるデスクトップ開発」をクリック．そして，画面右側の「インストール」の詳細で「v143 ビルドツール用 C++/CLI サポート（最新）」，「ATL」，「MFC」をチェックする．その後，「変更」をクリック．
      [image]

Visual Studio のインストール（Windows 上）

  1. Windows で，コマンドプロンプトを管理者として実行

    コマンドプロンプトを管理者として実行: 別ページ »で説明

    次のコマンドを実行

    次のコマンドは，Visual Studio Community 2022と VC2015 再配布可能パッケージをインストールするものである． 

    winget install --scope machine Microsoft.VisualStudio.2022.Community
winget install --scope machine Microsoft.VCRedist.2015+.x64
  2. Visual Studio での C++ によるデスクトップ開発，CLI のインストール（Windows 上）
    1. Visual Studio Installer の起動

      起動方法: スタートメニューの「Visual Studio Installer」を選ぶ．

    2. Visual Studio Community 2022 で「変更」を選ぶ．
    3. 「C++ によるデスクトップ開発」をチェック．そして，画面右側の「インストール」の詳細で「v143 ビルドツール用 C++/CLI サポート（最新）」をチェックする．その後，「インストール」をクリック．

Python 3.10，Git のインストール（Windows 上）

Pythonは，プログラミング言語の１つ． Gitは，分散型のバージョン管理システム．

【手順】

  1. Windows で，コマンドプロンプトを管理者として実行

    コマンドプロンプトを管理者として実行: 別ページ »で説明

    次のコマンドを実行

    次のコマンドは，Python ランチャーとPython 3.10とGitをインストールし，Gitにパスを通すものである．

    次のコマンドでインストールされるGitは 「git for Windows」と呼ばれるものであり， Git，MinGW などから構成されている． 

    winget install --scope machine Python.Launcher
winget install --scope machine Python.Python.3.10
winget install --scope machine Git.Git
powershell -command "$oldpath = [System.Environment]::GetEnvironmentVariable(\"Path\", \"Machine\"); $oldpath += \";c:\Program Files\Git\cmd\"; [System.Environment]::SetEnvironmentVariable(\"Path\", $oldpath, \"Machine\")"

【関連する外部ページ】

【サイト内の関連ページ】

【関連項目】 Python, Git バージョン管理システム, Git の利用

Build Tools for Visual Studio 2022，NVIDIA ドライバ，NVIDIA CUDA ツールキット 11.8，NVIDIA cuDNN 8.9.7 のインストール（Windows 上）

【サイト内の関連ページ】 NVIDIA グラフィックスボードを搭載しているパソコンの場合には， NVIDIA ドライバ， NVIDIA CUDA ツールキット， NVIDIA cuDNN のインストールを行う．

【関連する外部ページ】

PyTorch のインストール（Windows 上）

  1. Windows で，コマンドプロンプトを管理者として実行

    コマンドプロンプトを管理者として実行: 別ページ »で説明

  2. PyTorch のページを確認

    PyTorch の公式ページ: https://pytorch.org/index.html

  3. 次のようなコマンドを実行（実行するコマンドは，PyTorch のページの表示されるコマンドを使う）．

    次のコマンドを実行することにより， PyTorch 2.3 （NVIDIA CUDA 11.8 用）がインストールされる． 但し，Anaconda3を使いたい場合には別手順になる．

    事前に NVIDIA CUDA のバージョンを確認しておくこと（ここでは，NVIDIA CUDA ツールキット 11.8 が前もってインストール済みであるとする）．

    PyTorch で，GPU が動作している場合には，「torch.cuda.is_available()」により，True が表示される． 

    python -m pip install -U --ignore-installed pip
python -m pip uninstall -y torch torchvision torchaudio torchtext xformers
python -m pip install -U torch torchvision torchaudio numpy --index-url https://download.pytorch.org/whl/cu118

python -c "import torch; print(torch.__version__, torch.cuda.is_available())"
    [image]

    Anaconda3を使いたい場合には， Anaconda プロンプト (Anaconda Prompt) を管理者として実行し， 次のコマンドを実行する． （PyTorch と NVIDIA CUDA との連携がうまくいかない可能性があるため，Anaconda3を使わないことも検討して欲しい）． 

    conda install -y pytorch torchvision torchaudio pytorch-cuda=11.8 cudnn -c pytorch -c nvidia
py -c "import torch; print(torch.__version__, torch.cuda.is_available())"

    【サイト内の関連ページ】

    【関連する外部ページ】

InsightFace のインストール（Windows 上）

  1. Visual Studio の x64 Native Tools コマンドプロンプトを管理者として実行．

    起動は，Windows のメニューで「Visual Studio 20..」の下の「x64 Native Tools コマンドプロンプト (x64 Native Tools Command Prompt)」を選ぶ．「x64」は，64ビット版の意味である．

    「x64 Native Tools コマンドプロンプト (x64 Native Tools Command Prompt)」がないとき:

    C++ ビルドツール (Build Tools) のインストールを行うことで， 「x64 Native Tools コマンドプロンプト (x64 Native Tools Command Prompt)」がインストールされる．その手順は，別ページ »で説明

  2. x64 Native Tools コマンドプロンプトで次を実行

    GPU を使わない場合には「onnxruntime-gpu」でなく，「onnxruntime」をインストールすること． 

    python -m pip install -U numpy==1.23.5 cython insightface onnxruntime-gpu
    [image]

InsightFace による顔検出，年齢と性別の推定，顔識別，人体検出（Windows 上）

顔検出，年齢と性別の推定，画像ファイル（複数可）での実行

公式ページ (https://github.com/deepinsight/insightface/tree/master/python-package) に記載の，顔検出及び年齢と性別の予測のプログラムを実行する．

このプログラムは buffalo_l という名前の事前学習済みモデルを使用している．

  1. Windows で，コマンドプロンプトを実行
  2. エディタを起動 
    mkdir %USERPROFILE%\insightface
cd /d c:%HOMEPATH%\insightface
notepad a.py
    [image]
  3. エディタで，次のプログラムを保存

    先の太さや文字の大きさを調整したいときは app/face_analysis.py を調整。

    このプログラムは、選択した画像ファイルから顔を検出し、年齢と性別を推定します。検出された顔には枠が描画され、結果が表示されます。また、検出された顔の位置、推定された年齢と性別が出力されます。 

    import cv2
import numpy as np
import matplotlib.pyplot as plt
import insightface
from insightface.app import FaceAnalysis
from insightface.data import get_image as ins_get_image
import tkinter as tk
from tkinter import filedialog
import os
from PIL import Image

def initialize_face_analysis():
    app = FaceAnalysis(providers=['CUDAExecutionProvider', 'CPUExecutionProvider'])
    app.prepare(ctx_id=0, det_size=(640, 640))
    return app

def select_files():
    root = tk.Tk()
    root.withdraw()
    fpaths = filedialog.askopenfilenames()
    return root.tk.splitlist(fpaths)

def process_image(fpath, app):
    img = cv2.imread(fpath)
    faces = app.get(img)
    rimg = app.draw_on(img, faces)
    result_path = "result_" + os.path.basename(fpath)
    cv2.imwrite(result_path, rimg)
    Image.open(result_path).show()
    return faces

def print_face_info(faces):
    print("bbox, age, gender")
    print("filename, ", fpath)
    for face in faces:
        print(face['bbox'], face['age'], face['gender'])

def main():
    app = initialize_face_analysis()
    fpaths = select_files()

    for fpath in fpaths:
        print("file name: ", fpath)
        faces = process_image(fpath, app)
        print_face_info(faces)

if __name__ == "__main__":
    main()
  4. Python プログラムの実行

    Python プログラムの実行

    【サイト内の関連ページ】 Python のまとめ: 別ページ »

    プログラムを a.pyのようなファイル名で保存したので， 「python a.py」のようなコマンドで行う． 

    python a.py
    [image]

    ファイル選択画面が出るので，画像ファイルを選択する．ファイルは複数選択可能である．

    [image]
  5. 結果の確認
    [image]
    [image]
    [image]

    それぞれのファイルについて，ファイル名と，検出された顔の bounding box（バウンディングボックス），年齢，性別が表示される．

    [image]

顔検出，年齢と性別の推定，パソコンのカメラで使用

Python プログラムを実行する

このプログラムはリアルタイムで顔検出を行います。カメラから取得した映像から顔を検出し、年齢と性別を推定します。検出された顔には枠が描画され、リアルタイムで結果が表示されます。'q' キーを押すとプログラムが終了します。 

import cv2
import numpy as np
import insightface
from insightface.app import FaceAnalysis
from insightface.data import get_image as ins_get_image

def initialize_face_analysis():
    app = FaceAnalysis(providers=['CUDAExecutionProvider', 'CPUExecutionProvider'])
    app.prepare(ctx_id=0, det_size=(640, 640))
    return app

def capture_video():
    v = cv2.VideoCapture(0)
    return v

def process_frame(f, app):
    faces = app.get(f)
    rimg = app.draw_on(f, faces)
    return rimg

def display_frame(rimg):
    cv2.imshow("", rimg)

def main():
    app = initialize_face_analysis()
    v = capture_video()

    while(v.isOpened()):
        r, f = v.read()
        if not r:
            break

        rimg = process_frame(f, app)
        display_frame(rimg)

        # Press Q to exit
        if cv2.waitKey(1) & 0xFF == ord('q'):
            break

    v.release()
    cv2.destroyAllWindows()

if __name__ == "__main__":
    main()
[image]
[image]
[image]

顔識別，画像ファイル（複数可）での実行

このプログラムは buffalo_l という名前の事前学習済みモデルを使用している．

  1. Windows で，コマンドプロンプトを実行
  2. エディタを起動 
    mkdir %USERPROFILE%\insightface
cd /d c:%HOMEPATH%\insightface
notepad c.py
  3. エディタで，次のプログラムを保存

    先の太さや文字の大きさを調整したいときは app/face_analysis.py を調整。

    このプログラムは、1つの基準となる顔画像と複数の比較対象の顔画像を選択し、顔の類似度を計算します。まず、基準となる顔画像から顔を検出し、その特徴ベクトル（embedding）を取得します。次に、比較対象の画像から顔を検出し、それぞれの特徴ベクトルと基準顔の特徴ベクトルの類似度を計算して表示します。 

    import cv2
import numpy as np
import matplotlib.pyplot as plt
import insightface
from insightface.app import FaceAnalysis
from insightface.data import get_image as ins_get_image
import tkinter as tk
from tkinter import filedialog
import os
from PIL import Image

def initialize_face_analysis():
    app = FaceAnalysis(providers=['CUDAExecutionProvider', 'CPUExecutionProvider'])
    app.prepare(ctx_id=0, det_size=(640, 640))
    return app

def select_file():
    root = tk.Tk()
    root.withdraw()
    fpath = filedialog.askopenfilename()
    return fpath

def select_files():
    root = tk.Tk()
    root.withdraw()
    fpaths = filedialog.askopenfilenames()
    return root.tk.splitlist(fpaths)

def process_image(fpath, app):
    img = cv2.imread(fpath)
    faces = app.get(img)
    rimg = app.draw_on(img, faces)
    result_path = "result_" + os.path.basename(fpath)
    cv2.imwrite(result_path, rimg)
    Image.open(result_path).show()
    return faces

def print_face_info(faces, fpath):
    print("filename, ", fpath)
    print("bbox, age, gender")
    for face in faces:
        print(face['bbox'], face['age'], face['gender'])

def compare_embeddings(faces, embedding):
    for face in faces:
        print(face['bbox'], face['age'], face['gender'], np.dot(face['embedding'], embedding.T))

def main():
    app = initialize_face_analysis()

    # First face
    fpath = select_file()
    print("file name: ", fpath)
    faces = process_image(fpath, app)
    print_face_info(faces, fpath)
    embedding = faces[0]['embedding']
    print(embedding)

    # Comparing faces
    fpaths = select_files()
    for fpath in fpaths:
        print("file name: ", fpath)
        faces = process_image(fpath, app)
        print_face_info(faces, fpath)
        compare_embeddings(faces, embedding)

if __name__ == "__main__":
    main()
  4. Python プログラムの実行

    Python プログラムの実行

    【サイト内の関連ページ】 Python のまとめ: 別ページ »

    プログラムを c.pyのようなファイル名で保存したので， 「python c.py」のようなコマンドで行う． 

    python c.py

    ファイル選択画面が出るので，画像ファイルを選択する．このとき，画像は１つ選択する．

    処理が終わると，画像と， ファイル名と，検出された顔の bounding box（バウンディングボックス），年齢，性別が表示される．

    [image]

    再びファイル選択画面が出る．画像ファイルを選択する．今後は，画像を複数選択可能である．

  5. 結果の確認

    処理が終わると，画像と， ファイル名と，検出された顔の bounding box（バウンディングボックス），年齢，性別が表示される． そして，最初に選んだ顔との類似度が数字で表示される．類似度の値が大きいほど本人に似ていると判定されている．

    [image]
    [image]
    [image]

人体検出，画像ファイル（複数可）での実行

公式ページ (https://github.com/deepinsight/insightface/blob/master/examples/person_detection/scrfd_person.py) に記載の，人体検出のプログラムを実行する．

  1. Windows で，コマンドプロンプトを実行
  2. エディタを起動 
    mkdir %USERPROFILE%\insightface
cd /d c:%HOMEPATH%\insightface
notepad b.py
  3. エディタで，次のプログラムを保存

    先の太さや文字の大きさを調整したいときは app/face_analysis.py を調整。

    このプログラムは、選択した画像から人物を検出します。検出された人物には、バウンディングボックス（全体を囲む長方形）が描画されます。検出結果は画像として保存・表示され、バウンディングボックスの座標が出力されます。 

    import datetime
import numpy as np
import os
import os.path as osp
import glob
import cv2
import insightface

assert insightface.__version__ >= '0.4'

def initialize_detector():
    detector = insightface.model_zoo.get_model('scrfd_person_2.5g.onnx', download=True)
    detector.prepare(0, nms_thresh=0.5, input_size=(640, 640))
    return detector

def detect_person(img, detector):
    bboxes, kpss = detector.detect(img)
    bboxes = np.round(bboxes[:, :4]).astype(np.int)
    kpss = np.round(kpss).astype(np.int)
    kpss[:, :, 0] = np.clip(kpss[:, :, 0], 0, img.shape[1])
    kpss[:, :, 1] = np.clip(kpss[:, :, 1], 0, img.shape[0])
    vbboxes = bboxes.copy()
    vbboxes[:, 0] = kpss[:, 0, 0]
    vbboxes[:, 1] = kpss[:, 0, 1]
    vbboxes[:, 2] = kpss[:, 4, 0]
    vbboxes[:, 3] = kpss[:, 4, 1]
    return bboxes, vbboxes

def select_files():
    root = tk.Tk()
    root.withdraw()
    fpaths = filedialog.askopenfilenames()
    return root.tk.splitlist(fpaths)

def process_image(fpath, detector):
    img = cv2.imread(fpath)
    bboxes, vbboxes = detect_person(img, detector)
    for i in range(bboxes.shape[0]):
        bbox = bboxes[i]
        vbbox = vbboxes[i]
        x1, y1, x2, y2 = bbox
        vx1, vy1, vx2, vy2 = vbbox
        cv2.rectangle(img, (x1, y1), (x2, y2), (0, 255, 0), 1)
        alpha = 0.8
        color = (255, 0, 0)
        for c in range(3):
            img[vy1:vy2, vx1:vx2, c] = img[vy1:vy2, vx1:vx2, c] * alpha + color[c] * (1.0 - alpha)
        cv2.circle(img, (vx1, vy1), 1, color, 2)
        cv2.circle(img, (vx1, vy2), 1, color, 2)
        cv2.circle(img, (vx2, vy1), 1, color, 2)
        cv2.circle(img, (vx2, vy2), 1, color, 2)
    result_path = "result_" + os.path.basename(fpath)
    cv2.imwrite(result_path, img)
    Image.open(result_path).show()
    return bboxes

def main():
    detector = initialize_detector()
    fpaths = select_files()
    for fpath in fpaths:
        print("file name: ", fpath)
        bboxes = process_image(fpath, detector)
        print(bboxes)

if __name__ == "__main__":
    main()
  4. Python プログラムの実行

    Python プログラムの実行

    【サイト内の関連ページ】 Python のまとめ: 別ページ »

    プログラムを b.pyのようなファイル名で保存したので， 「python b.py」のようなコマンドで行う． 

    python b.py

    ファイル選択画面が出るので，画像ファイルを選択する．ファイルは複数選択可能である．

    [image]
  5. 結果の確認
    [image]
    [image]
    [image]
    [image]

    このとき， bbox の情報が得られる． これは，検出された人物の bounding box である．

    [image]

金子邦彦研究室公式Webページへようこそ． サイト内検索は専用ページをご利用ください． サイトマップも用意しています．

公開資料は「クリエイティブコモンズ BY NC SA」ライセンスを適用しています． 資料の利用条件等については別ページで説明しています．

問い合わせ先： 金子邦彦（かねこ くにひこ） [image]