Dlib Python，face_recognition のインストールと動作確認（顔検出，顔ランドマーク，顔識別）（Python を使用）（Windows 上）

【目次】

1. 前準備
2. Dlib Python のインストール，Dlib のソースコード等と，Dlib の学習済みモデルのダウンロード
3. Dlib に付属のサンプルプログラム（example 下）のビルド
4. 画像分類，物体検出，トラッキング・ビジョン，犬の顔画像について眼鏡をあてはめる（Dlib に付属のサンプルプログラムを使用）
5. Dlib による顔検出（Python を使用）
6. Dlib による顔ランドマークの検出（Python を使用）
7. Dlib による顔のアラインメント，顔データのデータ拡張，5ランドマーク，68 ランドマーク，顔のコード化（5ランドマークを使用），顔のコード化（68 ランドマークを使用）（Python を使用）
8. ageitgey/ageitgey の face_recognition のインストール
9. ageitgey の face_recognition で顔識別を行ってみる（Python を使用）

【サイト内の関連ページ】

• 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 でのインストールと動作確認（人工知能関係）: 別ページ »にまとめ

【用語説明】

• Dlib

  Dlibは，数多くの機能を持つ C++ ライブラリ．機能には，機械学習，数値計算，グラフィカルモデル推論，画像処理，スレッド，通信，GUI，データ圧縮・一貫性，テスト，さまざまなユーティリティなどがある．Python API もある．

• 顔検出 (face detection):

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

  Dlib による顔検出の例

  

  顔検出が行われ，顔を囲むようなバウンディングボックス (bounding box) が表示される．

  

  バウンディングボックスの座標値が数値データとして得られる

  

顔ランドマークの検出 (face landmark detector): 画像から 68 のランドマーク (68 landmarks) を得る． tree structured part model により，最大 68 のランドマークを得る

顔のランドマーク検知が行われ，顔を囲むようなバウンディングボックス (bounding box) と，顔のランドマークが表示される．

1. 前準備

Git のインストール（Windows 上）

【サイト内の関連ページ】

Windows での Git のインストール: 別ページ »で説明

【関連する外部ページ】

Git の公式ページ: https://git-scm.com/

cmake のインストール（Windows 上）

【サイト内の関連ページ】

Windows での cmake のインストール: 別ページ »で説明

【関連する外部ページ】

cmake の公式ダウンロードページ: https://cmake.org/download/

7-Zip のインストール（Windows 上）

7-Zip 22.01 のインストール

Windows では， コマンドプロンプトを管理者として開き， 次のコマンドを実行することにより， 7-Zip 22.01 のインストールを行うことができる．

mkdir %HOMEPATH%\7zip
cd %HOMEPATH%\7zip
curl -O https://www.7-zip.org/a/7z2201-x64.exe
.\7z2201-x64.exe
call powershell -command "$oldpath = [System.Environment]::GetEnvironmentVariable(\"Path\", \"Machine\"); $oldpath += \";c:\Program Files\7-Zip\"; [System.Environment]::SetEnvironmentVariable(\"Path\", $oldpath, \"Machine\")"

【サイト内の関連ページ】

Windows での 7-Zip のインストール: 別ページ »で説明

【関連する外部ページ】

7-Zip の公式ページ: https://sevenzip.osdn.jp/

Python のインストール（Windows 上）

【サイト内の関連ページ】

• Windows での Python 3.10，関連パッケージ，Python 開発環境のインストール: 別ページ »で説明
• Python のまとめ: 別ページ »にまとめ

【関連する外部ページ】

Python の公式ページ: https://www.python.org/

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

• Visual Studio を使う予定がある場合

  Windows での Visual Studio Community 2022 のインストール: 別ページ »で説明

  Visual Studio Community 2022 に， Build Tools for Visual Studio 2022の機能が含まれている．

• Visual Studio を使う予定がない場合

  Windows での Build Tools for Visual Studio 2022 （ビルドツール for Visual Studio 2022） のインストール: 別ページ »で説明

【関連する外部ページ】

• Build Tools for Visual Studio 2022 の公式ページ: https://visualstudio.microsoft.com/ja/downloads/

2. Dlib Python のインストール，Dlib のソースコード等と，Dlib の学習済みモデルのダウンロード

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. Dlib Python のインストール

   次のコマンドを実行．

   「python -m pip install -U dlib」はエラーが出やすい可能性があるため， よりエラーが出にくいと思われる，次の手順でインストールする．

   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
   

   
   （以下省略）
3. Python の dlib パッケージがインストールできたことの確認

   バージョン番号が表示されれば OK．下の図とは違うバージョンが表示されることがある．

   python -c "import dlib; print( dlib.__version__ )"
   

   
4. Dlib の学習済みモデルのダウンロード

   次のコマンドを実行．

   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
   

   
5. Dlib の動作確認のため，次を実行．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
   

   
   

3. Dlib に付属のサンプルプログラム（example 下）のビルド

Dlib に付属のサンプルプログラムは，examplesの下にある．次の手順でビルドする．

http://dlib.net/compile.html の記述に従う

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

   cd C:\dlib
   cd examples
   rmdir /s /q build
   mkdir build
   cd build
   cmake .. -G "Visual Studio 17 2022" -A x64 -T host=x64 ^
       -DCUDA_SDK_ROOT_DIR="c:/Program Files/NVIDIA GPU Computing Toolkit/CUDA/v11.8" ^
       -DCUDA_TOOLKIT_ROOT_DIR="c:/Program Files/NVIDIA GPU Computing Toolkit/CUDA/v11.8" ^
       -DCUDA_NVCC_FLAGS="-allow-unsupported-compiler" ^
       -DCUDA_NVCC_FLAGS_DEBUG="-allow-unsupported-compiler" ^
       -DCMAKE_INSTALL_PREFIX=c:/dlib ^
       -DDLIB_GIF_SUPPORT=OFF
   

   
2. 結果の確認

   エラーメッセージが出ていないこと

   
3. ビルド操作

   cmake --build . --config RELEASE
   

   
4. 結果を確認．エラーメッセージが出ていないこと
   

4. 画像分類，物体検出，トラッキング・ビジョン，犬の顔画像について眼鏡をあてはめる（Dlib に付属のサンプルプログラムを使用）

画像分類

1. 学習済みモデルのダウンロード

   curl でなく wget を使いたいときは， 「wget http://dlib.net/files/resnet34_1000_imagenet_classifier.dnn.bz2」のように操作する．

   cd C:\dlib
   cd examples\build
   curl -O http://dlib.net/files/resnet34_1000_imagenet_classifier.dnn.bz2
   "c:\Program Files\7-Zip\7z.exe" x resnet34_1000_imagenet_classifier.dnn.bz2
   

   
2. 画像分類の実行

   画像分類される画像は，「faces\*.jpg」で指定している．

   cd C:\dlib
   cd examples\build
   for %i in (..\faces\*.jpg) do .\release\dnn_imagenet_ex %i
   

   

画像分類される画像

物体検出（Max-Margin Object Detection by Davis E. King を使用）

物体検出：画像から、ある種類の物体を検出し、その位置と大きさを得る。１つの画像の中に、物体が複数あることもある。

Max-Margin 物体検出法が利用されている（文献は次の通り） それにより，Dlib による文体検出が行われる．

Davis E. King, Max-Margin Object Detection, CoRR, abs/1502.00046, 2015.

学習済みモデルのダウンロード

cd C:\dlib
cd examples\build
curl -O http://dlib.net/files/mmod_rear_end_vehicle_detector.dat.bz2
"c:\Program Files\7-Zip\7z.exe" x mmod_rear_end_vehicle_detector.dat.bz2

物体検出の実行（車の正面）

cd C:\dlib
cd examples\build
.\release\dnn_mmod_find_cars_ex

学習済みモデルのダウンロード

cd C:\dlib
cd examples\build
curl -O http://dlib.net/files/mmod_front_and_rear_end_vehicle_detector.dat.bz2
"c:\Program Files\7-Zip\7z.exe" x mmod_front_and_rear_end_vehicle_detector.dat.bz2

物体検出の実行（車の正面と背面）

cd C:\dlib
cd examples\build
.\release\dnn_mmod_find_cars2_ex

トラッキング・ビジョン（correlation_tracker を使用）

cd C:\dlib
cd examples\build
.\release\video_tracking_ex ..\video_frames

犬の顔画像について眼鏡をあてはめる（顔のランドマーク検出による）

学習済みモデルのダウンロード

cd C:\dlib
cd examples\build
curl -O http://dlib.net/files/mmod_dog_hipsterizer.dat.bz2
"c:\Program Files\7-Zip\7z.exe" x mmod_dog_hipsterizer.dat.bz2

実行してみる

cd C:\dlib
cd examples\build
.\release\dnn_mmod_dog_hipsterizer mmod_dog_hipsterizer.dat ..\faces\dogs.jpg

5. Dlib による顔検出（Python を使用）

Dlib による顔検出 を行う．

1. まずは、DLib に同封の顔画像ファイルに何があるかを、簡単にみておく

   %HOMEPATH%\dlib\examples\faces の下の顔画像のファイルを確認する

   
2. Windows のコマンドプロンプトを開く
3. Python プログラムの実行

   Python プログラムの実行（Windows 上）

   • python: python
   • pip: python -m pip または pip
   • Jupyter Qt Console: jupyter qtconsole
   • Jupyter ノートブック (Jupyter Notebook): jupyter notebook
   • Jupyter Lab: jupyter lab あるいは python -m jupyter lab
   • Nteract: jupyter nteract あるいは python -m jupyter nteract
   • Spyder: spyder

   cd C:\dlib
   cd python_examples
   python cnn_face_detector.py mmod_human_face_detector.dat ..\examples\faces\2007_007763.jpg
   

   結果が表示されるまで少し待つ

   
   

   うまく動かないときのヒント

   • 次のように「RuntimeError: Unable to open mmod_human_face_detector.dat for reading」というエラーメッセージが出たときは、 上の「学習済みモデルのダウンロード」をやり直して、もう一度実行．
     
   • python にパスが通っていないときは、うまくいかない． Windows で，python にパスが通っているかは、次のコマンドで確認

     where python
     

4. 別の画像で試してみる

   cd C:\dlib
   cd python_examples
   python cnn_face_detector.py mmod_human_face_detector.dat ..\examples\faces\2008_001009.jpg
   

   
   
5. さらに別の画像で試してみる

   cd C:\dlib
   cd python_examples
   python cnn_face_detector.py mmod_human_face_detector.dat ..\examples\faces\2008_001322.jpg
   

   
   

6. Dlib による顔ランドマークの検出（Python を使用）

顔ランドマークの検出 (face landmark detector) のサンプルプログラムを実行してみる

顔ごとに，最大で 68 のランドマーク (68 landmarks) が得られる．

cd C:\dlib
cd python_examples
python face_landmark_detection.py shape_predictor_68_face_landmarks.dat ..\examples\faces\

7. Dlib による顔のアラインメント，顔データのデータ拡張，5ランドマーク，68 ランドマーク，顔のコード化（5ランドマークを使用），顔のコード化（68 ランドマークを使用）（Python を使用）

顔のアラインメント

利用条件などは各自で確認のこと

1. Windows のコマンドプロンプトを開く
2. Python プログラムの実行

   Python プログラムの実行

   • Windows では python （Python ランチャーは py）
   • Ubuntu では python3

   Python 開発環境（Jupyter Qt Console, Jupyter ノートブック (Jupyter Notebook), Jupyter Lab, Nteract, Spyder, PyCharm, PyScripterなど）も便利である．

   Python のまとめ: 別ページ »にまとめ

   cd C:\dlib
   cd python_examples
   python face_alignment.py shape_predictor_68_face_landmarks.dat ..\examples\faces\2007_007763.jpg
   

   
3. Enter キーを複数回押して、結果を確認

顔データのデータ拡張

増量は、学習で重要となる

1. 実行してみる

   cd C:\dlib
   cd python_examples
   python face_jitter.py shape_predictor_68_face_landmarks.dat 
   

   元画像として何を使うかは、プログラム中で設定されている

   
   
2. Enter キーを複数回押して、結果を確認

5ランドマーク

1. 実行してみる

   cd C:\dlib
   cd python_examples
   python face_landmark_detection.py shape_predictor_5_face_landmarks.dat ..\examples\faces
   

   
   
2. Enter キーを複数回押して、結果を確認

68 ランドマーク

1. 実行してみる

   cd C:\dlib
   cd python_examples
   python face_landmark_detection.py shape_predictor_68_face_landmarks.dat ..\examples\faces
   

   
   
2. Enter キーを複数回押して、結果を確認

顔のコード化（5ランドマークを使用）

1. 実行してみる

   cd C:\dlib
   cd python_examples
   python face_recognition.py shape_predictor_5_face_landmarks.dat dlib_face_recognition_resnet_model_v1.dat ..\examples\faces
   

   顔ごとに 128個の数値（特徴量ベクトル）が得られることを確認

   
   
2. Enter キーを複数回押して、結果を確認

顔のコード化（68 ランドマークを使用）

1. 実行してみる

   cd C:\dlib
   cd python_examples
   python face_recognition.py shape_predictor_68_face_landmarks.dat dlib_face_recognition_resnet_model_v1.dat ..\examples\faces
   

   顔ごとに 128個の数値（特徴量ベクトル）が得られることを確認

   
   
2. Enter キーを複数回押して、結果を確認

8. ageitgey/ageitgey の face_recognition のインストール

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. numpy, scikit-image, scikit-learn のインストール

   次のコマンドを実行する．

   python -m pip install -U numpy scikit-image scikit-learn
   

3. face_recognition のインストール

   cd %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 
   

9. ageitgey の face_recognition で顔識別を行ってみる（Python を使用）

ファイルとディレクトリの準備

1. Windows のコマンドプロンプトを開く
2. 2つのディレクトリ known_people, unknown_pictures を作る

   コマンドプロンプトで次のコマンドを実行

   mkdir %HOMEPATH%\face_recognition\known_people
   mkdir %HOMEPATH%\face_recognition\unknown_pictures
   

   
3. 顔画像の準備

   %HOMEPATH%\face_recognition\examples にある顔画像のファイル 「biden.jpg」と「obama.jpg」を，先ほど作成した ディレクトリ known_people の下にコピー

   copy %HOMEPATH%\face_recognition\examples\biden.jpg %HOMEPATH%\face_recognition\known_people
   copy %HOMEPATH%\face_recognition\examples\obama.jpg %HOMEPATH%\face_recognition\known_people
   

   
4. Windows で、ディレクトリ known_people の下に 2つの画像ファイルがあることを確認
   
5. %HOMEPATH%\face_recognition\examples にある顔画像のファイル 「two_people.jpg」を，先ほど作成した ディレクトリ unknown_pictures の下にコピー

   copy %HOMEPATH%\face_recognition\examples\two_people.jpg %HOMEPATH%\face_recognition\unknown_pictures
   

   
6. Windows で、ディレクトリ unknown_pictures の下に画像ファイルがあることを確認
   

顔検出を行ってみる

cd %HOMEPATH%\face_recognition
face_detection --model cnn unknown_pictures

表示される4つの数字は、顔領域の座標値

顔識別を行ってみる

unknown_pictures の下にある画像ファイルを、 known_people 下の画像ファイルを照合して顔識別を行うコマンド

cd %HOMEPATH%\face_recognition
face_recognition --show-distance true known_people unknown_pictures