簡介

利用 Python 開發，藉助 Dlib 庫捕獲攝像頭中的人臉，提取人臉特徵，通過計算特徵值之間的歐氏距離，來和預存的人臉特徵進行對比，判斷是否匹配，達到人臉識別的目的；

最終的的追蹤識別效果如圖（Face_1 和 Face_2 是檢測出來的人臉，Person_1 和 Person_2 是通過目標追蹤得到的標識 ID）：

原始人臉實時檢測識別邏輯

在之前的部落格裡面介紹到如何利用 Dlib 進行實時的人臉識別（https://www.cnblogs.com/AdaminXie/p/9010298.html），但是會遇到 FPS 很低 （FPS 差不多在 5 左右）的問題；

對於視訊流中的某一幀 N，需要進行以下步驟來進行識別：

1. 對於當前幀進行人臉檢測（~0.03s）；
2. 對於檢測出的人臉，提取特徵描述子（~0.158s）；
3. 對於當前幀中的所有人臉，都要和已知人臉資料庫進行遍歷比對（~0.003s）；
4. 對於當前幀中的人臉 X，如果比對結果出來發現和已知人臉 Y 的特徵描述子的歐氏距離小於 0.4，則認為當前幀中的人臉 X 就是我們認識的 Y；

從耗時可以看出來，步驟一中的人臉檢測和步驟三四中的比對都不會太影響到程式效能，但是如果要實時計算特徵描述子，就會很吃資源，需要差不多 0.16s 的時間來計算某一張人臉的特徵描述子；

與之對比進行檢測（只需要 0.03s）和資料庫比對（只需要 0.003s）；

在這個程式（https://github.com/coneypo/Dlib_face_recognition_from_camera/blob/master/face_descriptor_from_camera.py）裡面，對捕獲到的影象進行實時的特徵描述子計算，發現最終出來的介面的 FPS 輸出在 5 FPS 左右，會有明顯的卡頓；

原程式中進行人臉識別的虛擬碼如下：

while stream.isOpened():
    flag, img_rd = stream.read()
    
    # 1. 對於當前幀進行人臉檢測
    faces = detector(img_rd, 0)
    
    # 2. 如果當前幀中出現人臉
    if len(faces) !=0:
        # 3. 對於這些人臉，提取特徵描述子，存入一個 list
        for i in range(len(faces)):
            features_camera_list.append(face_reco_model.compute_face_decriptor(img_rd, shape)
            
        # 4. 對於這些人臉，遍歷已知人臉資料庫
        for i in range(len(faces)):
            # 4.1 比如對於 person_X，和所有已知的人臉進行歐式距離對比
            for j in range(len(features_known_list)):
                return_e_distance(當前幀中的 person_X 的特徵描述子，已知人臉的特徵描述子[j])
            # 4.2 對於 person_x，得到一個和已知人臉比較的最小歐式距離，如果 <0.4 則認為 person_x 就是這個已知人臉
            if e_distance_min < 0.4:
                當前幀中的 person_X 的名字 = 歐式距離 <0.4 的已知人臉的名字

比如在第 N 幀中有兩個人，經過我們的遍歷對比，我們知道是 Jack 和 Lucky；

那麼對於視訊流中的後續幀（N+1，N+2 幀等等），如果還是有兩個人，我們就可以大概率判定他們還是 Jack 和 Lucky，只是在幀中的位置發生了變化（這也是目標追蹤能夠適用的前提）；

那我們只需要確定幀 N 的兩個人，和幀 N+1 中這兩個人的對應關係，而不需要對於幀 N+1 再進行一次特徵描述子提取，然後再進行遍歷比對（因為這樣很佔用資源）；

這就是目標追蹤要做的事情，具體 OT 的介紹可以參考我之前的博文（https://www.cnblogs.com/AdaminXie/p/13560758.html）；

通過目標跟蹤來提高 FPS

OT 的實現邏輯

所以我們希望能避免掉這個 耗時 0.16s 的特徵子提取 的處理工作，事實上通過目標追蹤，我們確實不需要再對每一幀都要做做檢測+識別；

只需要對於視訊流第一幀/初始幀進行檢測+識別，識別出該幀的人臉名字；

對於後續幀，首先是判斷當前幀和上一幀的目標數變化，如果目標數不變，比如上一幀有兩個人，那麼這一幀也有兩個人，我們就可以判定這兩個人就是上一幀出現的兩個人，所以不需要再進行特徵描述子的提取和識別工作；

取而代之的是需要判斷當前幀這兩個目標，和上一幀兩個目標的關係（通過 https://www.cnblogs.com/AdaminXie/p/13560758.html 介紹的 質心追蹤演算法 來確定）；

原始方式：

• 初始幀：檢測+識別
• 後續幀：檢測+識別

引入 OT：

• 初始幀：檢測+識別
• 後續幀：檢測+質心追蹤

目標人臉數不超過一張

考慮最簡單的情況，視窗中出現的人臉至多一張，所以目標數 = 1 或者 0；

對於這種特殊的情況，如果人臉數發生改變：

• 0->1，沒有人臉到出現人臉，對於這一幀中新出現的人臉進行識別
• 1->0，人臉消失了，登出人臉，清空儲存人臉的 list

如果人臉數不發生改變，那麼初始幀認出來他是 person_X，他就一直是 person_X，後續幀只需要做檢測就好了（這裡其實質心比對都不需要做了）；

人臉數 <=1 的情況下的實現可以參考我這裡的程式碼：https://github.com/coneypo/Dlib_face_recognition_from_camera/blob/master/face_reco_from_camera_ot_single_person.py

可以看到 FPS 可以達到 28.31，比之前的 FPS 提高了很多（因為只對人臉出現的第一幀進行檢測+識別，後續幀只做了檢測）；

目標人臉數多於一張 

出現的人臉數一旦要大於1，就要利用質心追蹤演算法來判斷前後幀的目標對應關係：

• last_frame_centroid_list 　　儲存的是上一幀的質心座標;
• curret_frame_centroid_list 　儲存的是當前幀的質心座標；
• e_distance_current_frame_face_x_list：對於當前幀中檢測出的 face_X，和上一幀中的 face_1, face_2 .. face_n 計算質心歐式距離，得到一個長度為 n 的列表；

比如對於第 65 幀，已知：

上一幀中（第 64 幀）：

• last_frame_centroid_list = [[566.5, 163.5], [129.0, 186.5]];
• last_frame_face_names_list = ['person_1', 'person_2'];

當前幀中（第 65 幀）：

• current_frame_centroid_list = [[566.5, 163.5], [117.0, 184.0]];

想得到當前幀（第 65 幀）：

• current_frame_face_names_list = ?

所以對於當前幀中出現的所有人臉（face_1 和 face_2），計算質心得到 current_frame_centroid_list = [[566.5, 163.5], [117.0, 184.0]]，

對於當前幀中的 face_1，和上一幀中的 last_frame_centroid_list[0] = [566.5, 163.5] / last_frame_centroid_list[1] = [129.0, 186.5] 計算歐式距離；

經過計算得知 face_1 和 last_frame_centroid_list[0] 的歐式距離更小，得到 last_frame_num = 0;

也就是說：

• self.current_frame_face_names_list[0] = self.last_frame_face_names_list[1]，即 face_1 是 person_1
• self.current_frame_face_names_list[1] = self.last_frame_face_names_list[0]，即 face_2 是 person_2

得到當前幀的人臉名稱 current_frame_names_list = ["person_1", "person_2"]；

def centroid_tracker(self):
        for i in range(len(self.current_frame_centroid_list)):
            e_distance_current_frame_face_x_list = []
            # for face 1 in current_frame, compute e-distance with face 1/2/3/4/... in last frame
            for j in range(len(self.last_frame_centroid_list)):
                self.last_current_frame_centroid_e_distance = self.return_euclidean_distance(
                    self.current_frame_centroid_list[i], self.last_frame_centroid_list[j])

                e_distance_current_frame_person_x_list.append(
                    self.last_current_frame_centroid_e_distance)

            last_frame_num = e_distance_current_frame_person_x_list.index(
                min(e_distance_current_frame_face_x_list))
            self.current_frame_face_names_list[i] = self.last_frame_face_names_list[last_frame_num]

考慮如下情況，分別是第 57/58 幀：

第 57 幀中，檢測出 face_1 和 face_2，face_1 在右邊，face_2 在左邊，face_1 是 person_1, face_2 是 person_2；

current_frame_centroid_list = [[597.0, 155.0], [169.0, 169.0]]；

current_frame_face_names_list = ['person_1', 'person_2']；

即右邊的 [597.0, 155.0] 的 face_1 是 person_1；

左邊的 [169.0, 169.0] 的 face_2 是 person_2；

在第 58 幀的時候，先進行人臉檢測，檢測出來兩個人臉 face_1 和 face_2，不過 face_1 在左邊，face_2 在右邊；

（第 57 幀）last_frame_centroid_list = [[597.0, 155.0], [169.0, 169.0]]；

（第 58 幀）current_frame_centroid_list = [[169.0, 169.0], [589.5, 163.5]]；

這時候對於當前幀的 face_1 ([169.0, 169.0])，和上一幀的兩個人臉進行質心的歐氏距離對比，得到和 last_frame_centroid_list[1] 更近一點，也就是說：

• self.current_frame_face_names_list[0] = self.last_frame_face_names_list[1]，即 face_1 是 person_2
• self.current_frame_face_names_list[1] = self.last_frame_face_names_list[0]，即 face_2 是 person_1

得到當前幀的人臉名單：

current_frame_face_names_list = ['person_1', 'person_2']；

 所以最終的結果可以看到識別的結果，FPS 在 26 左右，比之前的方法提高了很多：

完整實現的程式碼在 https://github.com/coneypo/Dlib_face_recognition_from_camera/blob/master/face_reco_from_camera_ot_multi_people.py

# 請尊重他人勞動成果，轉載或者使用原始碼請註明出處：http://www.cnblogs.com/AdaminXie

# 程式碼已上傳到了我的 GitHub，如果對您有幫助歡迎 Star 支援我下：https://github.com/coneypo/Dlib_face_recognition_from_camera

# 如有問題請留言或者聯絡郵箱: coneypo@foxmail