（3）将训练好的CNN模型用于dlib

opencv+dlib

这其实也是人脸检测，达到的视觉效果和第一篇文章一样，只不过这里用的是自己训练的模型，就认为是一种扩展吧。
这里贴出训练好了的一个CNN模型链接：模型链接
下面直接上代码，代码意义注释中有解释

import cv2
import sys
import dlib
import os
#导入CNN模型
# detector = dlib.cnn_face_detection_model_v1(mmod_human_face_detector.dat)
detector = dlib.cnn_face_detection_model_v1(mmod_human_face_detector.dat)
#这列用命令行的方式传入图片参数（其实就是名字）
for f in sys.argv[1:]:
    #用opencv读取图片
    img = cv2.imread(f, cv2.IMREAD_COLOR)
    # 摘自官方文档：
    # image is a numpy ndarray containing either an 8bit grayscale or RGB image.
    # opencv读入的图片默认是bgr格式，我们需要将其转换为rgb格式；都是numpy的ndarray类。
    b, g, r = cv2.split(img) #分离是三颜色通道
    img = cv2.merge([r, g, b]) #把三种颜色组合成rgb新图片
    dets = detector(img, 1) #调用dlib库对图片进行识别
    print("这张图识别到 {} 张人脸".format(len(dets)))
    for index, face in enumerate(dets):
        #left()、top()、right()、bottom()都是dlib.rectangle类的方法，对应矩形四条边的位置
        print("人脸{}的框位置为left:{} , top:{} , right:{} , bottom{}".format(index, face.left(), face.top(), face.right(), face.bottom()))
        #在图片中标注并显示
        left = face.left()
        top = face.top()
        right = face.right()
        bottom = face.bottom()
        bottom = face.bottom()
        cv2.rectangle(img, (left, top), (right, bottom), (0, 255, 0), 3)
        cv2.namedWindow(f, cv2.WINDOW_AUTOSIZE)
        cv2.imshow(f, img)
# 等待按键，随后退出，销毁窗口
k = cv2.waitKey(0)
cv2.destroyAllWindows()

效果与第一篇人脸检测一样。

但是注意可能会由于dlib版本过旧问题，出现没法用dlib.cnn_face_detection_model_v1()方法导入模型的情况。所以这里可能需要装个新版本。