face_det_lib

Capabilities

• Use models provided by biubug, centerface, dlib, linzaer, mobileface, mtcnn, zqcnn, pig to detect faces.
• Use dilb, pfld, pig, zqcnn models or the two L106Net models to detect key points of the face (ranging from 68-106 points)
• Support the detection of pictures, videos and camera input
• Support the visualization and export of test results
• Support recording inference time

Environment

• windows10
• python3.6
• numpy==1.20.2
• opencv-python==4.5.1.48
• dlib==19.6.1（dlib）
• mtcnn==0.1.0（mtcnn）
• pytorch==1.4.0（biubug）
• onnx==1.9.0（linzaer）
• onnxruntime==1.8.1（linzaer, pfld, centerface, frda, pig）
• mxnet==1.5.0（mobileface, zqcnn）
• tensorflow==1.5.0（cnn）

Installation

The project contains all pre-trained models that may be used, just clone them directly

# From your favorite development directory:
git clone https://github.com/MickeyLLG/face_det_lib.git

Run

Video files, camera serial numbers or image files need to be fed in as parameters. If nothing is fed in, it will detect test/test_15fps.avi as default

Videos input

Any video format supported by OpenCV is available (mp4, avi etc.):

python demo.py --video /path/to/video.mp4 --save_path /path/to/save.mp4 --face_det fd --landmark_det ld

Camera input

Need to declare the serial number of the camera used:

python demo.py --cam 0 --save_path /path/to/save.mp4 --face_det fd --landmark_det ld

Image input

Any image format supported by OpenCV is available (jpg, jpeg etc.):

python demo.py --image /path/to/image.jpg --save_path /path/to/save.jpg --face_det fd --landmark_det ld

Face detection method selection

--face_detparameter determines the method used for face detection, and the optional methods include(pig is recommended for better performance)：
dlib,mtcnn,linzaer,centerface,biubug,mobileface,zqmtcnn,pig

Selection of face key points detection method

--landmark_det parameter determines the method used for face key point detection. The optional methods include(pig is recommended for better performance): dlib,pfld,L106Net112,L106Net96,cnn,frda,pig

Reference

• pfld
• linzaer
• mobileface
• biubug
• zqcnn
• centerface
• cnn
• frda
• pig

---

Chinese

实现功能

• 使用biubug、centerface、dlib、linzaer、mobileface、mtcnn、zqcnn提供的模型来检测人脸
• 使用dilb、pfld模型和zqcnn提供的两种L106Net模型来检测面部关键点（68-106点不等）
• 支持对图片、视频以及摄像头输入的检测
• 支持检测结果可视化并导出
• 支持记录推理时间

测试过的运行环境

• windows10
• python3.6
• numpy==1.20.2
• opencv-python==4.5.1.48
• dlib==19.6.1（dlib）
• mtcnn==0.1.0（mtcnn）
• pytorch==1.4.0（biubug）
• onnx==1.9.0（linzaer）
• onnxruntime==1.8.1（linzaer, pfld, centerface, frda, pig）
• mxnet==1.5.0（mobileface, zqcnn）
• tensorflow==1.5.0（cnn）

安装

项目内包含所有可能用到的预训练模型，直接克隆即可

# From your favorite development directory:
git clone https://github.com/MickeyLLG/face_det_lib.git

运行

视频文件、摄像头序号或图像文件需要作为参数传入。如果没有传入，则会默认检测test/test_15fps.avi

视频输入

OpenCV支持的任何视频格式均可 (mp4, avi etc.):

python demo.py --video /path/to/video.mp4 --save_path /path/to/save.mp4 --face_det fd --landmark_det ld

摄像头输入

需要声明使用的摄像头序号:

python demo.py --cam 0 --save_path /path/to/save.mp4 --face_det fd --landmark_det ld

图片输入

OpenCV支持的任何图片格式均可 (jpg, jpeg etc.)，路径中不要有中文:

python demo.py --image /path/to/image.jpg --save_path /path/to/save.jpg --face_det fd --landmark_det ld

人脸检测方法选择

--face_det参数决定了人脸检测使用的方法，可选方法包括(推荐pig，效果较好)：
dlib,mtcnn,linzaer,centerface,biubug,mobileface,zqmtcnn,pig

人脸关键点检测方法选择

--landmark_det参数决定了人脸关键点检测使用的方法，可选方法包括(推荐pig，效果较好)：
dlib,pfld,L106Net112,L106Net96,cnn,frda,pig

参考

• pfld
• linzaer
• mobileface
• biubug
• zqcnn
• centerface
• cnn
• frda
• pig