face recognition视觉库使用一：在linux和Windows环境下进行环境资源配置

最新推荐文章于 2025-04-19 18:15:00 发布

Im1smb

最新推荐文章于 2025-04-19 18:15:00 发布

阅读量2.9k

点赞数 1

CC 4.0 BY-SA版权

分类专栏：机器-深度学习文章标签：深度学习脸部识别开发人员

本文链接：https://blog.youkuaiyun.com/Im1smb/article/details/78073563

机器-深度学习专栏收录该内容

1 篇文章

订阅专栏

本文介绍了Facerecognition库在Linux和Windows环境下的安装配置方法，包括所需依赖库如opencv、boost、dlib等的安装步骤，以及如何验证安装是否成功。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

face recognition视觉库使用一：在linux和Windows环境下进行环境资源配置

    Face recognition是一个简易的进行封装的人脸识别库，利用dlib库用深度学习的方法建立的人脸识别机制。其有封装完善，结构简单，使用方便等特点，方便开发人员及电子爱好者进行使用，方便一直到嵌入式平台上。
    Face recognition的使用方法和一些例程可以从以下网址获得：
    https://github.com/ageitgey/face_recognition

    由于该库需要用到比较多的环境变量，再次做个简单的介绍，方便今后进行配置和使用，也罗列出Windows上移植成功的案列以供参考。

基于Linux的环境安装

    在这里先简要介绍下face recognition需要安装的库：
    1.python
    2.（可选）opencv（方便调试使用，也可用作简单的摄像头打开和其他图像处理）
    3.boost
    4.dlib
    其余全为可选项，为了使用方便笔者使用了anaconda进行了环境安装，方便许多环境包的加载和管理。

anaconda安装

    anaconda官方网站：https://www.anaconda.com/download/

anaconda下载
点击其中的linux版本进行下载，在下载根目录打开控制台，输入如下命令进行安装：

bash Anaconda2-4.4.0-Linux-x86_64.sh

    在安装完成后需要将anaconda的python环境变量设置为默认环境变量，需要进行如下步骤：
    1.在终端输入

sudo gedit /etc/profile

    打开profile文件。
    2.在文件末尾添加一行：

export PATH=/home/grant/anaconda2/bin:$PATH

    其中，将“/home/grant/anaconda2/bin”替换为你实际的安装路径。保存。
    至此，anaconda的环境变量已经安装完毕。

Opencv安装（基于anaconda）

    在anaconda环境下安装opencv相对简单，没有复杂的操作步骤，只需要在控制台输入如下指令就能安装完毕：

conda install opencv

    或者可以输入:

conda install -c menpo opencv3=3.1.0

    来完成opencv的安装，若想卸载opencv只需要将install指令换为uninstall即可卸载。

boost安装

    在Lunix环境下安装boost较为简单，由于在python环境下进行使用，只需要输入如下命令就可以完成安装：

pip install boost

    boost为dlib安装的前置库，必须要安装！

dlib以及Face recognition安装

    在Lunix环境下由于预先配置好了cmake，所以可以直接进行安装face recognition，因为face recognition库会自动安装dlib，输入如下命令即可完成安装：

pip install face_recognition

    至此为止，在Linux环境下配置Face recognition已经成功，请尽情使用。

基于Windows的环境安装

    在Windows环境下安装就相对繁琐一些，由于Windows没有cmake等工具，以及需要自己手动添加环境变量，作者使用的Win10 64位系统，安装成功，测试没问题，给广大使用者提供一个参考。

anaconda安装

    在anaconda网站上下载Windows对应自己系统版本的软件安装包，进行安装即可。

Opencv安装

    http://www.lfd.uci.edu/~gohlke/pythonlibs/#opencv
    该网站提供了一些非官方的环境变量包，下拉到其中的opencv部分，下载对应版本的whl文件。

opencv下载
在该whl文件的目录下进入cmd，输入如下指令，进行opencv的安装:

pip install opencv_python-3.2.0+contrib-cp35-cp35m-win_amd64.whl

    其中“opencv_python-3.2.0+contrib-cp35-cp35m-win_amd64.whl”为笔者下载的版本，可以根据需求填写自己下载的安装包。

Boost安装

    Windows版本下的boost安装较为繁琐，需要手动编译以及添加环境变量。
    首先请确保你的电脑装上了visual studio，因为boost是基于C++的库，需要visual studio的编译环境来进行编译。
    然后再一下网址获取boost：
    http://www.boost.org/users/history/
    下载boost后需进行解压，然后进行下面的编译过程：
    1.打开visual studio的开发者工具：

vs开发者工具
2.进入你所下载的boost目录，执行如下语句：

bootstrap.bat

    （如有出错，请参考这篇博客：http://blog.youkuaiyun.com/tina_zhou3/article/details/50595636）
    3.进行环境编译，输入：

.\b2 -a --with-python address-model=64 toolset=msvc runtime-link=static

    （注：address-mode后为python的版本，作者为64位版本）
    4.等待编译完成，将相对应的目录添加进环境变量：
    （右击我的电脑->属性->高级系统设置->高级选项卡->环境变量）

环境变量
在系统变量中添加两个路径：
BOOST_LIBRARYDIR=C:\Program Files (x86)\boost_1_65_1\stage\lib（对应boost目录下的lib文件夹）
BOOST_ROOT=C:\Program Files (x86)\boost_1_65_1（对应boost根目录）
boost目录添加
至此为止，python环境下的boost就安装完毕了。

*dlib以及Face recognition安装

    在Windows环境下由于没有cmake，所以需要预先安装cmake才能对dlib进行安装，可以在如下网站获取Windows版本的cmake：
    https://cmake.org/
    （注：在安装的过程中需要将cmake环境添加进所有用户的path才能够进行后续的操作）
    在安装完cmake之后就可以进行dlib和face recognition的安装了，其步骤和Linux版本的一样，输入如下命令即可安装完成：

pip install face_recognition

    在等待安装完毕之后就可以使用了，可以在python下输入如下命令测试是否安装成功：

import dlib
import face_recognition

    若不报错，那么恭喜你，环境已经安装成功了！

简易的测试

    为了检验是否完全安装成功，可以复制如下代码进行测试：

# -*- 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。

测试图片

                                    测试图

测试效果
可以看到，效果还是非常不错的。