PythonのDlibライブラリ、face_recognitionのインストール PythonのDlibライブラリ、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. Python の Dlib ライブラリのインストール，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）: 別ページ »にまとめている．

【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

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"

winget list Microsoft.VisualStudio.BuildTools

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"

python --version

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"

REM CMake をシステム領域にインストール
winget install --scope machine --id Kitware.CMake -e --silent --disable-interactivity --force --accept-source-agreements --accept-package-agreements --override "/qn /norestart ADD_CMAKE_TO_PATH=System"

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')}"

NVIDIA CUDA Toolkit 12.8のインストール

• 前提条件（NVIDIA CUDA Toolkit インストール前）: NVIDIA GPU，NVIDIA ドライバ，および Build Tools for Visual Studio もしくは Visual Studio が必要である．
• インストール中の注意: なるべく他のウインドウはすべて閉じておくこと．

以下のコマンドを管理者権限のコマンドプロンプトで実行する （手順：Windowsキーまたはスタートメニュー → cmd と入力 → 右クリック → 「管理者として実行」）。

REM NVIDIA CUDA Toolkit 12.8 をシステム領域にインストール
winget install --scope machine --id Nvidia.CUDA --version 12.8 -e --silent --disable-interactivity --force --uninstall-previous --accept-source-agreements --accept-package-agreements --override "-s -n"

REM 環境変数TEMP, TMPの設定（一時ファイルの保存先を短いパスに変更）
mkdir C:\TEMP
set "TEMP_PATH=C:\TEMP"
setx TEMP "%TEMP_PATH%" /M >nul
setx TMP "%TEMP_PATH%" /M >nul

2. Python の Dlib ライブラリのインストール，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. 以下の手順を管理者権限のコマンドプロンプトで実行する （手順：Windowsキーまたはスタートメニュー → cmd と入力 → 右クリック → 「管理者として実行」）。
2. Python の Dlib ライブラリのインストール

   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 ライブラリ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. 以下の操作を管理者権限のコマンドプロンプトで実行する （手順：Windowsキーまたはスタートメニュー → cmd と入力 → 右クリック → 「管理者として実行」）。

   cd C:\dlib
   cd examples
   rmdir /s /q build
   mkdir build
   cd build
   cmake .. -A x64 -T host=x64 ^
       -DCUDA_SDK_ROOT_DIR="c:/Program Files/NVIDIA GPU Computing Toolkit/CUDA/v12.8" ^
       -DCUDA_TOOLKIT_ROOT_DIR="c:/Program Files/NVIDIA GPU Computing Toolkit/CUDA/v12.8" ^
       -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

   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

   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. 以下の手順を管理者権限のコマンドプロンプトで実行する （手順：Windowsキーまたはスタートメニュー → cmd と入力 → 右クリック → 「管理者として実行」）。
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 /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
   

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 /d c:%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 /d c:%HOMEPATH%\face_recognition
face_recognition --show-distance true known_people unknown_pictures