Win10环境python3.7安装dlib模块趟过的坑

好的。首先，需要明确一点，dlib模块对于Windows系统用户来说，安装起来相对来说比较麻烦。以下是Win10环境下python3.7安装dlib模块的攻略，具体步骤如下：

步骤一：安装CMake

在dlib官网上需要下载CMake工具。下载地址：https://cmake.org/download/。

这里选择 cmake-3.19.1-windows-x86_64.msi 版本，下载后进行安装。

步骤二：安装Visual Studio build tools

dlib没有Windows环境的wheel包，因此需要安装Visual Studio build tools进行本地编译。

打开Visual Studio官网，下载对应版本的Visual Studio build tools即可。这里选择了 Visual Studio Build Tools 2019，下载后进行安装。

步骤三：安装Boost

（1）在dlib官网上选择下载 Boost C++ Libraries 的源代码，并解压到一个文件夹中，例如 E:\libraries\boost_1_70_0。

（2）打开Vistual Studio x64 Native Tools Command Prompt，切换到解压后的Boost源代码目录下，运行以下命令：

.\bootstrap.bat
.\b2

注意： 这里的命令使用了当前已安装的Visual Studio build tools版本。如果你使用其他版本的Visual Studio build tools，那么这里的命令也需要作出相应的调整。

步骤四：安装dlib

（1）确保已安装Python，推荐使用conda载入多个版本的Python，在命令行中运行以下命令安装依赖包：

conda install numpy pandas matplotlib

（2）在命令行中运行以下命令，安装dlib：

pip install dlib==19.18.0 --verbose --no-cache-dir --install-option= --fast-build --no-use-pep517

注意： dlib 需要特别慎重，建议在创建虚拟环境后进行安装。

这里给出一个使用dlib训练图像分类器的示例，代码如下：

import dlib
import cv2

# 加载训练数据
svm = cv2.ml.SVM_create()
svm.setType(cv2.ml.SVM_C_SVC)
svm.setKernel(cv2.ml.SVM_LINEAR)
svm.setTermCriteria((cv2.TERM_CRITERIA_MAX_ITER, 100, 1e-6))

# 加载图像数据并进行训练
data = dlib.get_frontal_face_detector() # 加载人脸检测器的数据
print('begin training')
for i in range(1, 41):
    # 加载当前训练数据集
    face_folder = 'faces/s' + str(i) + '/'

    for j in range(1, 11):
        # 加载当前图像
        image_path = face_folder + str(j) + '.pgm'
        img = cv2.imread(image_path, cv2.IMREAD_GRAYSCALE)
        img = cv2.resize(img, (32, 32))
        hog = dlib.vector_to_matrix(dlib.extract_image_chip(img, dlib.rectangle(0, 0, 32, 32)))

        # 训练模型
        svm.train(hog, cv2.ml.ROW_SAMPLE, [i])

另外还有一个使用dlib进行人脸检测的示例，代码如下：

import dlib
import cv2

detector = dlib.get_frontal_face_detector() # 加载人脸检测器

image = cv2.imread('test.jpg')

# 缩小图像，加快计算速度
small_image = cv2.resize(image, (int(image.shape[1]/2), int(image.shape[0]/2)))

# 将图像从BGR格式转为RGB格式，因为dlib检测器只支持RGB格式
rgb_image = cv2.cvtColor(small_image, cv2.COLOR_BGR2RGB)

# 对图像进行人脸检测
dets = detector(rgb_image, 1)

# 遍历检测出的人脸位置
for i, d in enumerate(dets):
    cv2.rectangle(small_image, (d.left(), d.top()), (d.right(), d.bottom()), (0, 255, 0), 2)

cv2.imwrite('result.jpg', small_image)

希望对你有帮助。