トップページ ▶ 人工知能，実世界DB ▶ 顔情報（顔検出，顔識別、表情判定，顔のクラスタリングや類似度や分類，肌色部分の抽出，瞳孔の検出，顔姿勢の推定） ▶ ディープラーニングで顔識別を行う．訓練データでの学習と確認を行う（Python，Dlib, ageitgey/face_recognition を使用）

サイトマップ

サイト内検索

用語集

アクセスログ

金子邦彦研究室

ディープラーニングで顔識別を行う．訓練データでの学習と確認を行う（Python，Dlib, ageitgey/face_recognition を使用）

前準備

Python のインストール，pip と setuptools の更新，Python 開発環境

• Windows での Python のインストール，pip と setuptools の更新: 別ページで説明している．（あとのトラブルが起きにくいような手順を定めている）
• Ubuntu の場合:

  システム Python を使うことができる（その場合，Python のインストールは行わない）

  システム Python を用いるときは，pip, setuptools の更新は次のコマンドで行う．

  sudo apt -y update
  sudo apt -y install python3-pip python3-setuptools
  

  Ubuntu で，システム Python 以外の Python をインストールしたい場合は pyenv が便利である: 別ページで説明している．

Python の URL: http://www.python.org/

Dlib のインストール

• Windows でのインストール手順は、 別ページで説明している．
• Ubuntu でのインストール手順は、 別ページで説明している．

cmake のインストール

• Windows での cmake のインストール: 別ページで説明している．

  システム環境変数Pathに追加を忘れないこと: C:\Program Files (x86)\GnuWin32\bin

• Ubuntu では，端末で，次のコマンドを実行して，cmake をインストールする．

  sudo apt -y update
  sudo apt -y install cmake cmake-curses-gui
  

Python 用 numpy, scikit-image, scikit-learn のインストール

Windows の場合

コマンドプロンプトを管理者として実行し，次のコマンドを実行．

python -m pip install -U numpy scikit-image scikit-learn

Ubuntu の場合

端末で，次のコマンドを実行．

sudo apt -y update
sudo apt -y install python3-numpy python3-skimage python3-sklearn

ディープラーニングで顔識別を行う．訓練データでの学習と確認を行う（Python，Dlib, ageitgey/face_recognition を使用）

1. 次の URL から Python プログラム face_recognition_knn.py をダウンロード．自分のパソコンに保存．

   https://github.com/ageitgey/face_recognition/blob/master/examples/face_recognition_knn.py
2. ダウンロードしたディレクトリ（フォルダ）の名前を確認
3. そこに、「knn_examples」という名前のディレクトリを作る．
4. 「knn_examples」の下に、「train」という名前のディレクトリを作る．
5. 「knn_examples」の下に、「test」という名前のディレクトリを作る．
6. 「train」の下に、さらに、複数のディレクトリを作る．

   ディレクトリ名は何でも良いが、英語または数字のみを使い、分かりやすい名前がよい.

   次の例では２つ作っているが、３つ以上作ってもよい。
7. いま作ったディレクトリの下に画像ファイルを置く。

   画像ファイルの拡張子は .png もしくは .jpg もしくは .jpeg であること。
8. 今度は「test」の下に、顔認識させたい画像を置く
9. Windows でコマンドプロンプトを開く。cd コマンドを使い、 ダウンロードしたディレクトリ（フォルダ）に、カレントディレクトリを移す
10. python face_recognition_knn.py を実行

    このプログラムでは，モデルとして hog を使う． ディープラーニングの CNN を使うように変更する場合には， face_locaions のところを，「face_locations(..., model="cnn")」のように書き換える．

11. 結果を確認。

    画像サイズを変える（解像度を変える）など、少しの工夫で検出漏れがなくなったり、顔認識の精度が向上する可能性がある。
12. 結果をファイルに保存したい場合

    python face_recognition_knn.py を次のように書き換え．

    「pil_image.save('result' + os.path.basename(img_path))」を追加

    python face_recognition_knn.py を実行すると、次のように、結果がファイルに保存される．