python多少版本才能安装dlib(安装不同版本的python)

安装失败需要检查几个问题：

兼容问题，对应的包支持的操作系统，支持的Python版本

安装问题，部分包只能通过源码安装，或者离线的wheel方式安装

核对包的安装文档

python使用dlib进行人脸检测与人脸关键点标记

Dlib简介：

首先给大家介绍一下Dlib

Dlib是一个跨平台的C++公共库，除了线程支持，网络支持，提供测试以及大量工具等等优点，Dlib还是一个强大的机器学习的C++库，包含了许多机器学习常用的算法。同时支持大量的数值算法如矩阵、大整数、随机数运算等等。

Dlib同时还包含了大量的图形模型算法。

最重要的是Dlib的文档和例子都非常详细。

Dlib主页：

这篇博客所述的人脸标记的算法也是来自Dlib库，Dlib实现了OneMillisecondFaceAlignmentwithanEnsembleofRegressionTrees中的算法

这篇论文非常出名，在谷歌上打上OneMillisecond就会自动补全，是CVPR2014(国际计算机视觉与模式识别会议)上的一篇国际顶级水平的论文。毫秒级别就可以实现相当准确的人脸标记，包括一些半侧脸，脸很不清楚的情况，论文本身的算法十分复杂，感兴趣的同学可以下载看看。

Dlib实现了这篇最新论文的算法，所以Dlib的人脸标记算法是十分先进的，而且Dlib自带的人脸检测库也很准确，我们项目受到硬件所限，摄像头拍摄到的画面比较模糊，而在这种情况下之前尝试了几个人脸库，识别率都非常的低，而Dlib的效果简直出乎意料。

相对于C++我还是比较喜欢使用python，同时Dlib也是支持python的，只是在配置的时候碰了不少钉子，网上大部分的Dlib资料都是针对于C++的，我好不容易才配置好了python的dlib，这里分享给大家：

Dlibforpython配置：

因为是用python去开发计算机视觉方面的东西，python的这些科学计算库是必不可少的，这里我把常用的科学计算库的安装也涵盖在内了，已经安装过这些库的同学就可以忽略了。

我的环境是Ubuntu14.04:

大家都知道Ubuntu是自带python2.7的，而且很多Ubuntu系统软件都是基于python2.7的，有一次我系统的python版本乱了，我脑残的想把python2.7卸载了重装，然后……好像是提醒我要卸载几千个软件来着，没看好直接回车了，等我反应过来Ctrl+C的时候系统已经没了一半了…

所以我发现想要搞崩系统，这句话比rm-rf还给力…

sudoapt-getremovepython2.71

首先安装两个python第三方库的下载安装工具,ubuntu14.04好像是预装了easy_install

以下过程都是在终端中进行：

1.安装pip

sudoapt-getinstallpython-pip1

2.安装easy-install

sudoapt-getinstallpython-setuptools1

3.测试一下easy_install

有时候系统环境复杂了，安装的时候会安装到别的python版本上，这就麻烦了，所以还是谨慎一点测试一下，这里安装一个我之前在博客中提到的可以模拟浏览器的第三方python库测试一下。

sudoeasy_installMechanize1

4.测试安装是否成功

在终端输入python进入pythonshell

python1

进入pythonshell后import一下刚安装的mechanize

importmechanize1

没有报错，就是安装成功了，如果说没有找到，那可能就是安装到别的python版本的路径了。

同时也测试一下PIL这个基础库

importPIL1

没有报错的话，说明PIL已经被预装过了

5.安装numpy

接下来安装numpy

首先需要安装python-dev才可以编译之后的扩展库

sudoapt-getinstallpython-dev1

之后就可以用easy-install安装numpy了

sudoeasy_installnumpy1

这里有时候用easy-install安装numpy下载的时候会卡住，那就只能用apt-get来安装了：

sudoapt-getinstallnumpy1

不推荐这样安装的原因就是系统环境或者说python版本多了之后，直接apt-get安装numpy很有可能不知道装到哪个版本去了，然后就很麻烦了，我有好几次遇到这个问题,不知道是运气问题还是什么，所以风险还是很大的，所以还是尽量用easy-install来安装。

同样importnumpy进行测试

python

importnumpy1234

没有报错的话就是成功了

下面的安装过程同理，我就从简写了，大家自己每步别忘了测试一下

6.安装scipy

sudoapt-getinstallpython-scipy1

7.安装matplotlib

sudoapt-getinstallpython-matplotlib1

8.安装dlib

我当时安装dlib的过程简直太艰辛，网上各种说不知道怎么配，配不好，我基本把stackoverflow上的方法试了个遍，才最终成功编译出来并且导入，不过听说18.18更新之后有了setup.py,那真是极好的，18.18我没有亲自配过也不能乱说，这里给大家分享我配置18.17的过程吧：

1.首先必须安装libboost，不然是不能使用.so库的

sudoapt-getinstalllibboost-python-devcmake1

2.到Dlib的官网上下载dlib，会下载下来一个压缩包，里面有C++版的dlib库以及例子文档，Pythondlib库的代码例子等等

我使用的版本是dlib-18.17,大家也可以在我这里下载：

之后进入python_examples下使用bat文件进行编译，编译需要先安装libboost-python-dev和cmake

cdtodlib-18.17/python_examples

./compile_dlib_python_mole.bat123

之后会得到一个dlib.so，复制到dist-packages目录下即可使用

这里大家也可以直接用我编译好的.so库,但是也必须安装libboost才可以，不然python是不能调用so库的，下载地址：

将.so复制到dist-packages目录下

sudocpdlib.so/usr/local/lib/python2.7/dist-packages/1

最新的dlib18.18好像就没有这个bat文件了，取而代之的是一个setup文件，那么安装起来应该就没有这么麻烦了，大家可以去直接安装18.18，也可以直接下载复制我的.so库，这两种方法应该都不麻烦～

有时候还会需要下面这两个库，建议大家一并安装一下

9.安装skimage

sudoapt-getinstallpython-skimage1

10.安装imtools

sudoeasy_installimtools1

DlibfacelandmarksDemo

环境配置结束之后，我们首先看一下dlib提供的示例程序

1.人脸检测

dlib-18.17/python_examples/face_detector.py源程序：

#!/usr/bin/python#Thecontentsofthisfileareinthepublicdomain.SeeLICENSE_FOR_EXAMPLE_PROGRAMS.txt##?Thisexampleprogramshowshowtofindfrontalhumanfacesinanimage.?In#?particular,itshowshowyoucantakealistofimagesfromthecommand#?lineanddisplayeachonthescreenwithredboxesoverlaidoneachhuman#?face.##?Theexamples/facesfoldercontainssomejpgimagesofpeople.?Youcanrun#?thisprogramonthemandseethedetectionsbyexecutingthe#?followingcommand:#???./face_detector.py../examples/faces/*.jpg##?ThisfacedetectorismadeusingthenowclassicHistogramofOriented#?Gradients(HOG)featurecombinedwithalinearclassifier,animage#?pyramid,andslidingwindowdetectionscheme.?Thistypeofobjectdetector#?isfairlygeneralandcapableofdetectingmanytypesofsemi-rigidobjects#?inadditiontohumanfaces.?Therefore,ifyouareinterestedinmaking#?yourownobjectdetectorsthenreadthetrain_object_detector.pyexample#?program.?###COMPILINGTHEDLIBPYTHONINTERFACE#?Dlibcomeswithacompiledpythoninterfaceforpython2.7onMSWindows.If#?youareusinganotherpythonversionoroperatingsystemthenyouneedto#?compilethedlibpythoninterfacebeforeyoucanusethisfile.?Todothis,#?runcompile_dlib_python_mole.bat.?Thisshouldworkonanyoperating#?systemsolongasyouhaveCMakeandboost-pythoninstalled.#?OnUbuntu,thiscanbedoneeasilybyrunningthecommand:#???sudoapt-getinstalllibboost-python-devcmake##?Alsonotethatthisexamplerequiresscikit-imagewhichcanbeinstalled#?viathecommand:#???pipinstall-Uscikit-image#?Ordownloadedfrom.importsys

importdlib

fromskimageimportio

detector=dlib.get_frontal_face_detector()

win=dlib.image_window()

print("a");forfinsys.argv[1:]:

print("a");

print("Processingfile:{}".format(f))

img=io.imread(f)

#The1inthesecondargumentindicatesthatweshoulpsampletheimage

#1time.?Thiswillmakeeverythingbiggerandallowustodetectmore

#faces.

dets=detector(img,1)

print("Numberoffacesdetected:{}".format(len(dets)))??fori,dinenumerate(dets):

print("Detection{}:Left:{}Top:{}Right:{}Bottom:{}".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()#Finally,ifyoureallywanttoyoucanaskthedetectortotellyouthescore#foreachdetection.?Thescoreisbiggerformoreconfidentdetections.#Also,theidxtellsyouwhichofthefacesub-detectorsmatched.?Thiscanbe#usedtobroadlyidentifyfacesindifferentorientations.if(len(sys.argv[1:])0):

img=io.imread(sys.argv[1])

dets,scores,idx=detector.run(img,1)??fori,dinenumerate(dets):

print("Detection{},score:{},face_type:{}".format(

d,scores[i],idx[i]))123456789101112131415161718192021222324252627282930313233343536373839404142434445464748495051525354555657585960616263646566676869707172737475767778798081

我把源代码精简了一下，加了一下注释：face_detector0.1.py

#-*-coding:utf-8-*-importsys

importdlib

fromskimageimportio#使用dlib自带的frontal_face_detector作为我们的特征提取器detector=dlib.get_frontal_face_detector()#使用dlib提供的图片窗口win=dlib.image_window()#sys.argv[]是用来获取命令行参数的，sys.argv[0]表示代码本身文件路径，所以参数从1开始向后依次获取图片路径forfinsys.argv[1:]:??#输出目前处理的图片地址

print("Processingfile:{}".format(f))??#使用skimage的io读取图片

img=io.imread(f)??#使用detector进行人脸检测dets为返回的结果

dets=detector(img,1)??#dets的元素个数即为脸的个数

print("Numberoffacesdetected:{}".format(len(dets)))??#使用enumerate函数遍历序列中的元素以及它们的下标

#下标i即为人脸序号

#left：人脸左边距离图片左边界的距离；right：人脸右边距离图片左边界的距离

#top：人脸上边距离图片上边界的距离；bottom：人脸下边距离图片上边界的距离

fori,dinenumerate(dets):

print("dets{}".format(d))

print("Detection{}:Left:{}Top:{}Right:{}Bottom:{}"

.format(i,d.left(),d.top(),d.right(),d.bottom()))??#也可以获取比较全面的信息，如获取人脸与detector的匹配程度

dets,scores,idx=detector.run(img,1)

fori,dinenumerate(dets):

print("Detection{},dets{},score:{},face_type:{}".format(i,d,scores[i],idx[i]))??

#绘制图片(dlib的ui库可以直接绘制dets)

win.set_image(img)

win.add_overlay(dets)??#等待点击

dlib.hit_enter_to_continue()1234567891011121314151617181920212223242526272829303132333435363738394041424344454647484950

分别测试了一个人脸的和多个人脸的，以下是运行结果：

运行的时候把图片文件路径加到后面就好了

pythonface_detector0.1.py./data/3.jpg12

一张脸的：

两张脸的：

这里可以看出侧脸与detector的匹配度要比正脸小的很多

2.人脸关键点提取

人脸检测我们使用了dlib自带的人脸检测器（detector），关键点提取需要一个特征提取器（predictor），为了构建特征提取器，预训练模型必不可少。

除了自行进行训练外，还可以使用官方提供的一个模型。该模型可从dlibsourceforge库下载：

arks.dat.bz2

也可以从我的连接下载：

这个库支持68个关键点的提取，一般来说也够用了，如果需要更多的特征点就要自己去训练了。

dlib-18.17/python_examples/face_landmark_detection.py源程序：

#!/usr/bin/python#Thecontentsofthisfileareinthepublicdomain.SeeLICENSE_FOR_EXAMPLE_PROGRAMS.txt##?Thisexampleprogramshowshowtofindfrontalhumanfacesinanimageand#?estimatetheirpose.?Theposetakestheformof68landmarks.?Theseare#?pointsonthefacesuchasthecornersofthemouth,alongtheeyebrows,on#?theeyes,andsoforth.##?ThisfacedetectorismadeusingtheclassicHistogramofOriented#?Gradients(HOG)featurecombinedwithalinear

下面是在ubuntu下如何为Python安装dlib:

1.在官网dlib官网下载最新版本的dlib

由于dlib最初是一个C++库，要安装为python第三方库，

2.要下载boost将C++编译为python，同时还要下载cmake

命令：sudoapt-getinstalllibboost-python-devcmake11

3.然后切换到dlib-18.17/python_examples目录

然后运行

./compile_dlib_python_mole.bat11

会生成dlib.so

4.该脚本还要加上可执行权限

这样在dlib-18.17/python_examples目录下就可以导入dlib库，但在其它地方还不能导入

将dlib.so复制到python第三库的文件夹下

sudocpdlib.so/usr/local/lib/python2.7/dist-packages/11

这样dlib库就安装好了

因为这个工程中用到的依赖库比较多，所以索性下载了Anaconda，它是一个python的发行版，包括了python和很多常见的软件库,和一个包管理器conda，所以安装了Anaconda后就不用再安装python了。

1、下载Anaconda的链接：

我下载的是对应python2.7version的64位Anaconda4.2.0，我的电脑系统是win64。

2、现在的问题就转换成如何用Anaconda安装第三方库的问题（Anaconda不包含dlib库），在自己电脑上运行cmd.exe，直接在默认的路径上面执行如下程序即可安装成功：

condainstall-cmenpodlib=18.18

3、执行没问题的话，结果应该如上图所示。困扰我好几天的问题终于解决了，走的太多的弯路，不过也是一个学习的过程，希望大家能有所收获吧。