【サンプル満載】Pythonで顔の検出/認識をするには?主なライブラリ4選

当ページのリンクには広告が含まれています。

Pythonで顔検出/認識する方法はいくつかありますが、それぞれ個別の解説記事はあるものの、まとまったものが見つかりませんでした。

そこで、今回は整理する意味も込めてPythonで使える顔検出/認識ライブラリ OpenCV、InsightFace、Dlib、Face Recognition について一通り紹介していきたいと思います。

目次

Pythonで使える顔認識ライブラリ

比較項目OpenCVInsightFaceDlibFace
Recognition
顔検出顔の検出
顔認識人物の特定××
顔解析顔の構造、表情、特徴点××
顔属性の推定性別、年齢、人種、感情×××
顔特徴の抽出と比較顔の特徴を他の顔と比較×××
顔のクラスタリング顔の類似性による分類×××
顔のランドマーク検出顔のパーツの位置特定×
3D顔形状推定写真から顔の立体化×××
ライブラリ名概要
OpenCV汎用的な画像処理ライブラリであり、その中の1つの機能として顔検出が用意されています。
顔を検出する以外(顔認識、顔解析、顔属性の推定など)の機能はサポートされていません。
InsightFace顔認識と顔解析に特化したライブラリです。
顔検出、顔認識、顔解析、顔属性の推定、顔特徴の抽出と比較、顔のクラスタリングと識別、顔のランドマーク検出、3D顔形状推定をサポートしています。
Dlib顔検出と顔のランドマーク検出に特化したライブラリです。
それ以外(顔認識、顔解析、顔属性の推定など)の機能はサポートされていません。
Face RecognitionDlibをベースとした顔検出と顔認識のライブラリです。
顔検出、顔認識、顔解析、顔のランドマーク検出をサポートしています。

OpenCV

OpenCVを使った顔検出を行うために、最初にライブラリを pip でインストールしておきます。

標準の顔検出器を使う方法

以下がOpenCV標準の顔検出器を使ったサンプルプログラムです。

detectMultiScalemメソッドの minSize で認識可能な最小のサイズを指定できるのですが、1にしても真ん中の女の子の顔だけ認識できませんでした。30にすると子供と右端の女性の顔が認識できなくなったため、20に設定しています。

学習済みファイルを使った顔検出

もう1つ 、カスケード識別器の学習済みファイルを使う方法があるので、これを使ったところ5人とも検出できるようになりました。

学習済みファイルは下記URLからダウンロード可能で、今回はhaarcascade_frontalface_alt2.xmlを使いました。

 https://github.com/opencv/opencv/tree/master/data/haarcascades

以下がサンプルプログラムになります。

ダウンロードしたファイルのパスを、7行名の cascade_path に記述して下さい。私の環境ではOドライブ直下にサブフォルダを作って格納したので、次の様になっています。

  cascade_path = ‘O:/Python/data/haarcascades/haarcascade_frontalface_alt2.xml’

cv2.CascadeClassifierメソッドの引数でscaleFactor=1.03としていますが、この値が1に近づくほど検出精度が下がり(誤認識が増える)、値が大きくなるほど検出精度が上がり(誤認識が減る)ます。

初期値(1.1)の状態だと中央の女の子の顔が検出されなかったので、1.03に設定したところ、見事に全員の顔が検出できました。

InsightFace

InsightFaceを使うには、あらかじめ下記の2つをインストールしておく必要があります。

顔検出

以下が insightFace を使った顔検出のサンプルプログラムです。

特にパラメータを調整せずとも、初期状態で5人の顔が検出できました。

顔のランドマーク検出

insightFace では顔検出と同時に顔のランドマーク検出も行っています。先ほどのサンプルプログラムのループ部分に、ランドマーク検出結果の取得と点の描画を付け加えてみました。

結果は以下の通りで、ランドマーク部分(目、鼻、口、輪郭)に点が描画されていることが分かります。

顔が小さすぎて良く分からなかったので、顔が大きく映っている写真を使ってみました。結果は以下の通りです。

dlib

dlib を使う場合は、あらかじめ下記のインストールを実行して下さい。

顔検出

下記が dlib を使った顔検出のサンプルプログラムです。

detectorメソッドの第2引数で認識精度を指定します。1だと検出されない顔があったので、2を指定しました。結果は以下の通り全員の顔が検出されました。

顔のランドマーク検出

顔のパーツ検出を行う場合、あらかじめ下記のインストールを行ってください。

顔のパーツを検出する場合、ランドマーク検出器の学習済みファイルをダウンロードして使う必要があります。下記のURLから、shape_predictor_68_face_landmarks.dat をダウンロードして下さい。

https://github.com/italojs/facial-landmarks-recognition

ダウンロードしたら、 dlib.shape_predictorの引数にフルパスを指定します。私の場合は Oドライブ直下にフォルダを作って、そこに格納しましたので、次のようになりました。

dlib.shape_predictor(“O:/Python/facial-landmarks/shape_predictor_68_face_landmarks.dat”)

結果は以下の通りです。顔のパーツに68個の点が描画されているのですが、小さすぎて良く分かりませんね。

先ほどと同様、顔が大きく映っている写真を使ったところ、ちゃんと顔のパーツに沿って点が描かれていることが分かります。

face recognition

face recognition を使うには、次のインストールが必要となります。

顔検出

以下は face recognition を使ったサンプルプログラムです。認識精度の指定は face_locations メソッドの第2引数で行います。

dlib をベースに使っているためか、こちらも1だと検出されない顔が出てしまったため、2を設定しました。

検出精度は dlib と同等のようです。

顔のランドマーク検出

dlib をベースに改良されているだけ、face recognitionの方がランドマーク検出は簡単です。追加でファイルをダウンロードすることなく、簡単に検出できてしまいます。

結果は以下の通りですが、dlib の結果と見比べても違いが分かりませんでした。おそらく同じだと思われます。

まとめ

今回はPythonで使える顔検出/顔認識のライブラリについて、有名な4種類について一通り解説しました。

OpenCVだけを使った顔検出は処理時間は速いのですが、検出できないケースがあるので、他のライブラリより精度は劣るようです。

一方、insightFace は特に設定を調整することなしに満足な結果が得られました。dlib ,face recognition については、初期値だと検出できないケースがあったものの、設定を調整すれば満足いく結果が得られました。

一番精度が高くお手軽なのは insightFace ですが、処理速度は dlib ,face recognition の方が倍近く高速です。

機能の豊富さは insightFace が一番多いので、使いたい機能や処理速度に応じて、最適なものをお選び下さい。

今回の記事が皆さまのお役に立てば光栄です。

よかったらシェアしてね!
  • URLをコピーしました!
  • URLをコピーしました!

コメント

コメントする

目次