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

Build Tools for Visual Studio 2026（ビルドツール）のインストール

Build Tools for Visual Studio 2026（ビルドツール）のインストールを行い、C/C++ コードのビルド環境を整える。

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 ============================================================
REM Visual Studio Build Tools + Desktop development with C++
REM （VCTools、MSBuildTools、CMake連携、Clang、Windows 11 SDK）
REM ============================================================
REM 進行中のインストーラーを停止（ロック競合回避）
taskkill /F /IM vs_setup.exe /T >nul 2>&1
taskkill /F /IM vs_installer.exe /T >nul 2>&1
taskkill /F /IM vs_installerservice.exe /T >nul 2>&1

REM 未インストール時: winget で新規インストール
REM インストール済み時: setup.exe modify でコンポーネント追加（バージョンは変更しない）
winget list --id Microsoft.VisualStudio.BuildTools 2>nul | findstr /i "BuildTools" >nul 2>&1
if %ERRORLEVEL% EQU 0 (
    for /f "usebackq delims=" %P in (`"C:\Program Files (x86)\Microsoft Visual Studio\Installer\vswhere.exe" -products Microsoft.VisualStudio.Product.BuildTools -property installationPath`) do start /wait "" "C:\Program Files (x86)\Microsoft Visual Studio\Installer\setup.exe" modify --installPath "%P" --add Microsoft.VisualStudio.Workload.VCTools --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 --includeRecommended --quiet --norestart --nocache
) else (
    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"
)

REM 破損時の修復（任意、動作がおかしくなった場合）
REM "C:\Program Files (x86)\Microsoft Visual Studio\Installer\setup.exe" repair --installPath "C:\Program Files (x86)\Microsoft Visual Studio\18\BuildTools" --quiet --norestart

REM 導入確認（インストールパスが表示されれば正常）
"C:\Program Files (x86)\Microsoft Visual Studio\Installer\vswhere.exe" -products * -requires Microsoft.VisualStudio.Workload.VCTools -property installationPath

winget list Microsoft.VisualStudio.BuildTools

Python 3.12 のインストール

Pythonのインストールを行い、Pythonのプログラムを実行する環境を整える。扱う環境は、Windows搭載パソコンである。金子研究室では、Python 3.12.10を推奨する。

REM Python 3.12 をシステム領域にインストール
winget install --id Python.Python.3.12 -e --scope machine --silent --accept-source-agreements --accept-package-agreements --override "/quiet InstallAllUsers=1 PrependPath=1 Include_test=0 Include_pip=1 Include_launcher=1 InstallLauncherAllUsers=1 TargetDir=\"C:\Program Files\Python312\""

REM Python と Scripts を PATH 先頭に追加
powershell -NoProfile -Command "$p='C:\Program Files\Python312'; $s=\"$p\Scripts\"; $c=[Environment]::GetEnvironmentVariable('Path','Machine'); if((Test-Path $p) -and (';'+$c+';' -notlike \"*;$p;*\") -and (';'+$c+';' -notlike \"*;$s;*\")){[Environment]::SetEnvironmentVariable('Path',\"$p;$s;$c\",'Machine')}"

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 --disable-interactivity --force --accept-source-agreements --accept-package-agreements
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