重点关注：强调一下，这里没有任何侮辱周董的意思，我也是一名Jay迷。只是为了学习，大家见谅。。源代码戳这里

开启dlib库的学习

第一步：首先得安装dlib库，这里建议直接下载dlib，不然用pip直接装，需要安装cmake..这里我提供的是python3.6的dlib。。下载地址：点我下载

       接着安装   pip install dlib-19.8.1-cp36-cp36m-win_amd64.whl  就装好了。。

       测试一下：

 接下来做第一个练习：人脸检测。。代码很简单，我就不再赘述了，里面有详细的注释

import dlib
from imageio import imread
import glob
# glob使用来读取图片列表的，效率非常高

# 实例化一个人脸检测器
detector = dlib.get_frontal_face_detector()
# 获得一个窗口
win = dlib.image_window()
# 这里是批量读取图片，就是读取你在data目录下所有以jpg结尾的文件
paths = glob.glob('data/*.jpg')   # 这里的路径需要改为你自己的路径
# paths返回的是一个列表。。就是每一张图片

# 接下来对每一张脸进行检测
for path in paths:
    img = imread(path)
    # 将读取的图片放进检测器中
    dets = detector(img)
    print(dets)
    print("检测到%d个人脸"%(len(dets)))
    for i, d in enumerate(dets):
        print("{},左{},上{},右{},下{}".format(i, d.left(), d.top(), d.right(), d.bottom()))

    win.clear_overlay()
    win.set_image(img)
    win.add_overlay(dets)
    dlib.hit_enter_to_continue()   # 设置按enter继续

运行代码：

 接下来做第二个练习：除了检测人脸，还要检测出脸上的局部特征

         做法：主要还是用练习一中的人脸检测，再加上一个特征检测，不用害怕，就是一个已训练好的模型，你只需要加载就行了，这个shape_predictor_68_face_landmarks.dat我放在github上。文章末尾给资源的链接

import dlib
from imageio import imread
import glob

detector = dlib.get_frontal_face_detector()

predictor_path = 'shape_predictor_68_face_landmarks.dat'
predictor = dlib.shape_predictor(predictor_path)
# 实例化一个窗口
win = dlib.image_window()
# 把所有图片加载上来
paths = glob.glob('data/*.jpg')


for path in paths:
    img = imread(path)
    win.clear_overlay()
    win.set_image(img)

    # 1 表示将图片放大一倍，便于检测到更多的人脸
    dets = detector(img)
    print("检测到%d个人脸" % len(dets))
    for i, d in enumerate(dets):
        print("{}, 左{}, 上{}, 右{}, 下{}".format(i, d.left(), d.top(), d.right(), d.bottom()))
        shape = predictor(img, d)   # 这里传入的人脸检测的效果和原图
        print('Part 0: {}, Part 1: {}'.format(shape.part(0), shape.part(1)))
        win.add_overlay(shape)
    win.add_overlay(dets)
    dlib.hit_enter_to_continue()

运行结果 ： 

接下来做第三个练习：看看周杰伦和东尼大木到底有多像。。

   我们的做法是：先通过人脸检测将人脸特征提取出来，再将人脸生成一个128维的向量，最后计算人脸之间的欧式距离

   准备图片：东尼大木三张，周杰伦四张，我们还有一个test文件夹，里面放了两张测试图。等会看两张图距离这七张图的距离

   代码走起：

    这个代码在windows上运行完全没问题，但是在linux或者mac上，提取name的那一行代码需要改一下，主要是windows和mac的目录表示不同，一个是‘\’，一个是'/'。。

import dlib
from imageio import imread
import glob
import numpy as np


detector = dlib.get_frontal_face_detector()

predictor_path = 'shape_predictor_68_face_landmarks.dat'
predictor = dlib.shape_predictor(predictor_path)

face_rec_model_path = 'dlib_face_recognition_resnet_model_v1.dat'
facerec = dlib.face_recognition_model_v1(face_rec_model_path)

labeled = glob.glob('faces/*.jpg')
labeled_data = {}
unlabeled =  glob.glob('faces/test/*.jpg')


# 定义一个计算距离的公式
def distance(a, b):
    return np.linalg.norm(np.array(a) - np.array(b), ord=2)


# 读取标注图片并保存对应的128维向量
for path in labeled:
    img = imread(path)
    print(path)
    name = path.split("\\")[1].rstrip('.jpg')

    dets = detector(img, 1)
    # 这里假设每张图只有一张脸, 计算脸映射的***向量
    shape = predictor(img, dets[0]) # 其实咱们图片中也就一张脸
    face_vector = facerec.compute_face_descriptor(img, shape)
    # 保存人的名字与其对应的向量
    labeled_data[name] = face_vector

# 把测试的两张图片读出来，计算与训练的那些图的距离
for path in unlabeled:
    print(path)
    img = imread(path)
    name = path.split('/')[1].strip('\\')[1].rstrip('.jpg')
    dets = detector(img, 1)
    # 这里假设每张图只有一个人脸
    shape = predictor(img, dets[0])
    face_vector = facerec.compute_face_descriptor(img, shape)
    matches = []
    for key, value in labeled_data.items():
        d = distance(face_vector, value)
        if d < 0.6:
            matches.append(key + ' %.2f' % d)
    print('{}：{}'.format(name, ';'.join(matches)))

输出结果：

    结果说明，东尼大木的测试图明显距离自己的那三张图距离小，距离周杰伦的那四张距离大。。而周杰伦距离自己的那四张图片距离明显很小，但是距离东尼大木的距离明显大。 总结：以后再别说周杰伦和东尼大木很像，作为Jay迷，我很气愤。。

源代码戳这里