当前位置:脚本大全 > > 正文

python第三方库的使用方法和作用(Python第三方库face_recognition在windows上的安装过程)

时间:2021-10-07 00:39:47类别:脚本大全

python第三方库的使用方法和作用

Python第三方库face_recognition在windows上的安装过程

实际上face_recognition这个项目尤其是dlib更适用于linux系统。经过我的测试,在性能方面,编译同样规格的项目,这个工具在windows 10 上大约是ubuntu上的四分之一。但是在这两者之间我没有看到在其他方面有什么差别。

我使用本教程将这些工具安装到windows10上,更近的版本也可能正常运行。

下载和安装 scipy 和 numpy+mkl (必须是 mkl 版本),下载链接,注意要基于你的python版本选择合适的版本下载。

根据你当前的msvc版本下载对应的 boost 库(库的源代码或者是二进制release版本),下载链接。

如果下载的是二进制版本则调到第4步,否则按照如下的过程编译 boost 库:

进入c:\local\boost_1_xx_x(x 代表你当前的boost版本)提取 boost 源文件

根据以下格式新建系统变量:

name: vs140comntools

value: c:\program files (x86)\microsoft visual studio 14.0\common7\tools\ (此处为任何你安装msvc的路径)

打开visual studio 2015自带的开发人员工具类似于“vs2015 开发人员命令提示”,进入 boost 目录编译 boost 库:

c:\boost_1_xx_x>bootstrap 这一步执行完之后会自动生成b2.exe文件

c:\boost_1_xx_x>b2 -a –with-python address-model=64 toolset=msvc runtime-link=static 这一步编译需要较长的时间,请耐心等待

4.boost 库成功编译后,编译生成的文件位于 stage 这个文件夹中。

如果你已经编译了 boost 请跳过这一步。如果你已经下载了二进制的release版本,则进入boost目录 c:\local\boost_1_xx_x

获取最新版本的 dlib 包,下载链接

进入 dlib 的目录,打开 cmd ,运行如下的命令编译 dlib

将以下两个参数加入环境变量

boost_root=c:\local\boost_x_xx_x
boost_librarydir=c:\local\boost_x_xx_x\stage\lib

然后再运行如下代码:

python setup.py install –yes use_avx_instructions or python setup.py install –yes

use_avx_instructions –yes dlib_use_cuda

现在你可以使用 import dlib进入python脚本

你可以使用 pip show dlib查看当前 dlib 的版本

现在你可以使用 pip install face_recognition安装face_recognition

enjoy!

dlib安装也可以使用:

conda install -c menpo dlib=18.18
其中18.18为dlib的版本号

如果安装成功,运行以下代码就可以正常运行了。

 

  • ?
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14
  • 15
  • 16
  • 17
  • 18
  • 19
  • 20
  • 21
  • 22
  • 23
  • 24
  • 25
  • 26
  • 27
  • 28
  • 29
  • 30
  • 31
  • 32
  • 33
  • 34
  • 35
  • 36
  • 37
  • 38
  • 39
  • 40
  • 41
  • 42
  • 43
  • 44
  • # -*- coding: utf-8 -*-
  • """
  • created on sat sep 23 21:15:42 2017
  •  
  • @author: romji
  • """
  •  
  • import face_recognition
  • import cv2
  • import sys
  • def face_reg(file):
  •   # 读取图片并识别人脸
  •   img = face_recognition.load_image_file(file)
  •   face_locations = face_recognition.face_locations(img)
  •   print(face_locations)
  •  
  •   # 调用opencv函数显示图片
  •   img = cv2.imread(file)
  •   cv2.imshow("原图", img)
  •  
  •   # 遍历每个人脸,并标注
  •   facenum = len(face_locations)
  •   for i in range(0, facenum):
  •     top = face_locations[i][0]
  •     right = face_locations[i][1]
  •     bottom = face_locations[i][2]
  •     left = face_locations[i][3]
  •  
  •     start = (left, top)
  •     end = (right, bottom)
  •  
  •     color = (55,255,155)
  •     thickness = 3
  •     cv2.rectangle(img, start, end, color, thickness)
  •  
  •   # 显示识别结果
  •   cv2.imshow("识别", img)
  •  
  •   cv2.waitkey(0)
  •   cv2.destroyallwindows()
  •  
  • if __name__ == '__main__':
  •   filename = sys.argv[1]
  •   face_reg(filename)
  • 将程序保存为test.py,在程序根目录下保存一张图片进行测试(假设保存的为1.jpg)
    进入目录输入python test.py 1.jpg,即可看到效果。

    原文链接:https://blog.csdn.net/wyc12306/article/details/79286361

    上一篇下一篇

    猜您喜欢

    热门推荐