如今，可以使用多少个版本的Python来安装DLIB知识。其中，它还将解释具有不同版本的Python的Python的安装。如果您可以解决您现在面临的问题，请不要忘记注意此网站。让我们现在开始！
本文目录清单：
1. python pip安装dlib失败了？2。如何基于Dlib 3的Python部署面部识别算法。问题：
兼容问题，相应的软件包支持的操作系统，受支持的Python版本
安装问题，某些袋子只能通过源代码安装，或安装离线车轮方法
支票包的安装文件
python使用dlib执行面部检测和面部关键点标记
Dlib简介：
首先，介绍Dlib
DLIB是一个跨平台C ++公共库。除了线程支持，网络支持，测试和许多工具外，DLIB还是机器学习的功能强大的C ++库，包括机器学习中常用的许多常用算法。在同一时间，它支持一个大型数值算法的数量，例如矩阵，大整数，随机数操作等。
DLIB还包含大量图形模型算法。
最重要的是，DLIB的文档和示例非常详细。
Dlib主页：
该博客描述的面部标签的算法也来自DLIB库。Dlib用回归时间算法的合奏实现一个毫秒的面对准
本文非常出名。它将自动弥补Google上的一毫秒。这是CVPR 2014（国际计算机视觉和模型识别会议）的最高国际论文。毫秒级可以达到相当准确的面部标记，其中包括大约一半 - 千边线，脸部尚不清楚。论文本身的算法非常复杂。有兴趣的学生可以下载它。
Dlib实现了这篇最新论文的算法，因此Dlib脸的Facemark算法非常先进，并且Dlib的面部检测库也很准确。我们的项目受硬件的限制。在这种情况下，我以前尝试过一些面部库，并且识别率非常低，而DLIB的效果简直是出乎意料的。
与C ++相比，我仍然更喜欢使用Python。同时，DLIB也支持Python，但我在配置过程中触摸了很多指甲。Internet上的大多数DLIB信息用于C ++。DLIB，在这里与您分享：
Dlib用于Python配置：
因为它是使用Python来开发计算机视觉事物，所以这些Python的科学计算库是必不可少的。在这里，我介绍了常用的科学计算库的安装。安装这些图书馆的学生可以忽略正确的正确。
我的环境是Ubuntu14.04：
每个人都知道Ubuntu带有Python2.7，许多Ubuntu System软件基于Python2.7。一旦我的系统的Python版本变得混乱，我的大脑想卸载Python2.7，然后…………似乎提醒我我想卸载数千个软件。我没有直接看。当我对Ctrl + C做出反应时，系统消失了一半...
因此，我发现我想制作一个系统，这句话比RM -RF ...功能更强大。
sudo apt-get删除python2.71
首先安装两个Python第三张库的下载和安装工具。ubuntu14.04似乎已预先安装easy_install
以下过程在终端中执行：
1.安装PIP
sudo apt-get安装python-pip1
2.安装轻松安装
sudo apt-get install python-stetoops1
3.测试easy_install
有时，系统环境很复杂，安装时将安装在其他Python版本上。
sudo easy_install Mechanizize1
4.测试安装是否成功
输入python壳进入终端
python1
进入Python壳后
导入机械化1
如果没有错误，则安装成功。如果找不到，它可能是其他Python版本的途径。
同时，我还测试了PIL的基本库
进口pil1
如果没有错误，则意味着PIL已预先安装
5.安装numpy
下一个安装numpy
首先，您需要安装python-dev来编译扩展库
sudo apt-get安装python-dev1
之后，您可以安装Numpy，并安装易于安装
sudo easy_install numpy1
有时您有时会使用Easy-Antall安装Numpy进行下载，并且只能使用APT-GET安装：
sudo apt-get安装numpy1
不建议这样做的原因是，在系统环境或更多python版本之后，您可能不知道要安装numpy安装numpy，然后非常麻烦。我几次遇到了这个问题。我不知道它是运气还是什么，所以风险仍然很大，因此请尝试使用Easy-Antall安装它。
测试了类似的导入numpy
Python
导入numpy1234
如果没有错误，它将成功
以下安装过程是相同的，我将以相同的方式对其进行反映。不要忘记测试每个步骤。
6.安装Scipy
sudo apt-fin安装python-scipy1
7.安装matplotlib
sudo apt-get安装python-matplotlib1
8.安装Dlib
当时安装DLIB的过程太困难了。我在互联网上说我不知道该如何匹配。我不匹配它。我基本上尝试了stackoverflow上的方法。我已经设置了，这真的很棒。18.18我没有亲自配备自己，我没有谈论它。我将与您分享我的配置过程18.17：
1.首先，您必须安装libboost，否则不能使用它。
sudo apt-get安装libboost-python-dev cmake1
2.在DLIB的官方网站上下载DLIB，您将下载带有DLIB库的C ++版本的压缩软件包和示例文档，Python Dlib库的代码示例等。
我使用的版本是DLIB-18.17，每个人都可以在这里下载：
输入Python_examples后，使用BAT文件进行编译。该编译需要安装第一python-dev和cmake
CD至DLIB-18.17/PYTHON_EXAMPLES
https://www.shouxicto.com/article/compile_dlib_python_module.bat 123
之后，您将获得DLIB.SO，并将其复制到DistapaPages目录以使用它。
在这里，您也可以使用我直接编译.So库，但是您还必须安装LibBoost，否则Python无法致电SO Library，下载地址：
复制。
sudo cp dlib.so/usr/lib/python2.7/dist-packages/1
最新的DLIB18.18似乎没有此BAT文件。相反，它是一个设置文件，因此安装它不应该很麻烦。您可以直接安装18.18，也可以直接下载和复制我的.SO库。这两个方法不应该麻烦?
有时需要以下两个库。建议您一起安装
9.安装弹丸
sudo apt-get安装python-skimage1
10.安装iMtools
sudo easy_install imtools1
Dlib面对地标演示
环境配置结束后，让我们首先查看DLIB提供的示例程序
1.面部检测
DLIB-18.17/python_examples/face_detector.py源程序：
补充人的面孔。Face，如果您是互联网制作＃或加倍的互联网。导入系统
导入dlib
从弹丸导入io
检测器= dlib.get_frontal_face_detector（）
win = dlib.image_window（）
打印（“ a”）;对于sys.argv [1：]：
打印（“ a”）;
打印（“处理文件：{}”。格式（f））
img = io.imread（f）
＃第二个参数中的1表示我们应该对图像进行示例
＃ 1次。这将使一切变得更大，并使我们能够发现更多
＃面。
dets =检测器（IMG，1）
print（“检测：{}”。
print（“检测{}：左：{} top：{}右：{}底部：{}”。格式（
i，d.left（），d.top（），d.richt（），d.bottom（）））））
win.clear_overlay（）
win.set_image（img）
win.add_overlay（DETS）
探测器匹配。这可以用来＃打破识别异常方向的面孔。如果（lan（sys.argv [1：]）0）：
img = io.imread（sys.argv [1]）
dets，得分，idx = detector.run（img，1）for i，d in e Menumerate（dets）：
print（“检测{}，得分：{}，face_type：{}”。格式（
我简化了源代码并添加了一个注：face_detector0.1.py
＃ - * - 编码：UTF-8 - * - 导入系统
导入dlib
从弹丸导入io＃使用dlib的frontal_face_detector作为我们的功能提取器= dlib.get_frontal_face_detector（）#parameter，sys.argv [0]表示代码本身，因此参数从fting sys.sys.sys.argv [1：]获取图片路径，：#output当前处理的图片地址处理的图片地址
打印（“处理文件：{}”。格式（f）＃＃
img = io.imream（f）#use检测器用于返回的结果
dets =检测器（img，1）#dets元素编号是面孔的数量
print（“检测到面孔的数量：{}”。格式（len（dets））##
＃我是面部序列号
#left：面部脸左边界之间的距离；右：面部右侧的左边界的距离
#top：脸部面部边界之间的距离；底部：脸部面部图片之间的边界之间的距离
对于，d在枚举中（设计）：
打印（“ dets {}”。格式（d））
print（“检测{}：左：{}顶部：{}右：{}底部：{}”
.format（i，d.left（），d.top（），d.richt（），d.bottom（））＃＃也可以获取更全面的信息，例如获得面部和检测器的匹配程度
dets，得分，idx = detector.run（img，1）
对于，d在枚举中（设计）：
print（“检测{}，dets {}，得分：{}，face_type：{}”。格式（i，d，scores [i]，idx [i]））））））））））））））））
#draw thuption（DLIB的UI库可以直接绘制DETS）
win.set_image（img）
win.add_overlay（dets）＃waiting用于单击
dlib.hit_enter_to_continue（）12345678911111131314171920222222222222272728293333333434344444444444950
分别测试一个人的脸和多个面孔。以下是操作的结果：
只需在运行时将图片文件路径添加到背面
python face_detector0.1.py https://www.shouxicto.com/article/data/3.jpg12
一张脸：
双面人：
在这里，我们可以看到侧面和探测器的匹配比正面小得多
2.面部的钥匙点提取
面部检测我们使用DLIB自己的面部检测器（检测器）。关键点提取需要特征提取器。为了构建功能提取器，预训练模型至关重要。
除了自己培训外，您还可以使用官方模型。该模型可以从DLIB SourceForge库下载：
arks.dat.bz2
您也可以从我的连接中下载：
该库支持提取68个关键点。一般来说，这足够了。如果您需要更多功能点，则需要训练自己。
DLIB-18.17/python_examples/face_landmark_detection.py源程序：
功能与线性结合
以下是在Ubuntu下为Python安装Dlib的方法：
1.在官方网站DLIB官方网站上下载最新版本的DLIB
由于DLIB最初是C ++库，因此它被安装为Python第三部分库。
2.下载Boost将C ++编译到Python中，并同时下载CMAKE
命令：sudo apt-get安装libboost-python-dev cmake1111
3.然后切换到DLIB-18.17/python_examples目录
然后运行
https://www.shouxicto.com/article/compile_dlib_python_module.bat 11
它将生成dlib。
4.此脚本还添加了执行权限
这样，可以在DLIB-18.17/python_examples中导入DLIB库，但不能
在Python第三库的文件夹下复制Dlib.SO
sudo cp dlib.so/usr/lib/python2.7/dist-packages/11
因此安装了dlib库
因为该项目中有许多依赖库，所以我只是下载了Anaconda。这是Python发行版本，包括Python和许多常见的软件库，并且再次安装了Bag Manager Conda.Python。
1.下载Anaconda的链接：
我下载了与Python2.7版本相对应的64个-bit Anaconda4.2.0，我的计算机系统是Win64。
2.当前的问题被转换为如何使用Anaconda（Anaconda不包含DLIB库）安装第三张库，在您自己的计算机上运行cmd.exe，并直接在默认路径上直接执行以下程序以成功安装它：
conda install -c menpo dlib = 18.18
3.如果执行正常，则应显示上面的图。几天来困扰我的问题终于解决了。太多的弯路也是学习的过程。我希望每个人都能获得一些东西。
简单的介绍
该库可以通过Python或命令行实现面部识别功能。在户外面部检测数据库基础标准中，在深度学习面部识别技术中使用DLIB的准确率为99.38％。
GitHub上有相关的链接和API文档。
下面提供的一些相关源代码或文档。库的当前版本为v0.2.0。单击文档以查看API文档。我们可以查看一些与功能相关的说明。
安装
安装配置非常简单，只需逐步按照Github上的说明即可。
根据您的Python版本输入说明：
PIP安装face_rcognition11
或者
PIP3安装face_rcognition11
通常，在安装过程中会出现错误，并且在安装DLIB时会发生错误，并且错误可能卡在此处。由于pip在编译DLIB时会出现错误，因此我们需要手动编译DLIB以进行安装。
根据给出的解决方案：
1.首先下载DLIB的源代码。
git克隆
2.编译Dlib。
CD Dlib
mkdir构建
CD构建
cmake .. -ddlib_use_cuda = 0 -duse_avx_instructions = 1
CMAKE -BUILD1234512345
3.编译并安装Python扩展程序包。
CD ..
python3 setup.py install -yes use_avx_instructions -no dlib_use_cuda121212
注意：此安装步骤被认为没有GPU，因此不支持CUDA。
手动编译Dlib后，我们可以在Python中导入Dlib。
恢复后，您可以成功配置它。
根据您的Python版本输入说明：
PIP安装face_rcognition11
或者
PIP3安装face_rcognition11
安装成功后，我们可以在Python中正常导入face_recognition。
写面部识别程序
写PY文件：
＃ - * - 编码：UTF-8 - * -
＃
＃侦探面
导入face_recognition
导入CV2
＃阅读图片并识别脸部
img = face_recognition.load_image_file（“ silicon_valley.jpg”）
face_locations = face_recogninion.face_locations（img）
打印face_locations
＃调用OpenCV功能显示图像
img = cv2.imread（“ silicon_valley.jpg”）
CV2.NamedWindow（“原始图片”）
cv2.imshow（“原始图片”，img）
＃每个人的脸和标记
facenum = len（face_locations）
对于我的范围（0，facenum）：
top = face_locations [i] [0]
正确= face_locations [i] [1]
底部= face_locations [i] [2]
左= face_locations [i] [3]
开始=（左，顶部）
end =（右，底部）
颜色=（55,255,155）
厚度= 3
cv2.Rectangle（IMG，开始，结束，颜色，厚度）
＃显示识别结果
CV2.NamedWindow（“识别”）
cv2.imshow（“识别”，img）
CV2.Waitkey（0）
注意：此处使用Python-OpnCV。您必须配置OpenCV以成功运行。
操作结果：
该程序在当前目录中读取指定的图片，然后识别该人的脸，并标记每个人的脸。
（使用美国戏剧硅谷的图片）
编写面部比较程序
首先，我在目录中放了几张图片：
这是一张工作的照片和奥巴马的照片，还有一张未知的照片。
编程：
#adm图片中的脸
导入face_recognition
jobs_image = face_recognition.load_image_file（“ jobs.jpg”）;
obama_image = face_recognition.load_image_file（“ obama.jpg”）;
unknown_image = face_recognition.load_image_file（“ unknown.jpg”）;
jobs_encoding = face_recognition.face_encodings（jobs_image）[0]
obama_encoding = face_recognition.face_encodings（obama_image）[0]
unknown_encoding = face_recognition.face_encodings（unknown_image）[0]
结果= face_recognition.compare_faces（[jobs_encoding，obama_encoding]，unknown_encoding）
标签= ['jobs'，'obama']
打印（'结果：'+str（结果））
对于I范围（0，LEN（结果））：
如果结果[i] == true：
print（'该人是：'+标签[i]）12345678910111313141718123478911111121314161718
操作结果：
未知的照片是通过乔布斯确定的。
真实的时间识别相机
代码：
＃ - * - 编码：UTF-8 - * -
导入face_recognition
导入CV2
video_capture = cv2.VIDEOCAPTURE（1）
obama_img = face_recognition.load_image_file（“ obama.jpg”）
obama_face_encoding = face_recognition.face_encodings（obama_img）[0]
face_locations = []
face_encodings = []
face_names = []
process_this_frame = true
而真：
ret，frame = video_capture.read（）
small_frame = cv2.Resize（帧，（0，0），fx = 0.25，fy = 0.25）
如果process_this_frame：
face_locations = face_recogninion.face_locations（small_frame）
face_encodings = face_recognition.face_encodings（small_frame，face_locations）
face_names = []
对于face_encodings中的face_encoding：
match = face_recognition.compare_faces（[[obama_face_encoding]，face_encoding）
如果匹配[0]：
名称=“巴拉克”
别的：
名称=“未知”
face_names.append（名称）
process_this_frame = not proces_this_frame
for（顶部，右，底部，左），zip名称（face_locations，face_names）：）：：
顶 *= 4
正确 *= 4
底部 *= 4
左 *= 4
cv2.Rectangle（框架，（左，顶部），（右下，底部），（0，0，255），2）
cv2.Rectangle（帧，（左，底部-35），（右，底部），（0，0，255），2）
font = cv2.font_hershey_duplex
cv2.putText（帧，名称，（左+6，底部6），字体，1.0，（255，255，255），1）
cv2.imshow（'视频'，框架）
如果cv2.waitkey（1）0xff == orde（'q'）：
休息
Video_capture.Release（）
识别结果：
我在手机上的百度上尝试了几张照片，该程序认可了奥巴马。
这个图书馆很酷！
可以使用不同版本的Python安装和安装多少个版本的Python。我想知道您是否从中找到了所需的信息？如果您想进一步了解此信息，请记住要收集对该网站的关注。