人脸关键点检测（Face Recognition）

使用全球最精准的人脸对齐（face alignment）网络，从 Python 中检测人脸关键点（facial landmarks），支持 2D 和 3D 坐标。

本项目基于 FAN 提出的前沿深度学习人脸对齐方法构建。

注意： Lua 版本可在此处获取：here。

如需进行数值评估（numerical evaluations），强烈建议使用 Lua 版本，因其使用了与论文中评估完全相同的模型。更多模型将很快添加。

功能特性

在图片中检测 2D 人脸关键点

import face_alignment
from skimage import io

fa = face_alignment.FaceAlignment(face_alignment.LandmarksType.TWO_D, flip_input=False)

input = io.imread('../test/assets/aflw-test.jpg')
preds = fa.get_landmarks(input)

在图片中检测 3D 人脸关键点

import face_alignment
from skimage import io

fa = face_alignment.FaceAlignment(face_alignment.LandmarksType.THREE_D, flip_input=False)

input = io.imread('../test/assets/aflw-test.jpg')
preds = fa.get_landmarks(input)

一次性处理整个目录中的图片

import face_alignment
from skimage import io

fa = face_alignment.FaceAlignment(face_alignment.LandmarksType.TWO_D, flip_input=False)

preds = fa.get_landmarks_from_directory('../test/assets/')

使用指定的人脸检测器（face detector）检测关键点

默认情况下，本包使用 SFD 人脸检测器。但用户也可以选择使用 dlib、BlazeFace，或使用已有的真实边界框（ground truth bounding boxes）。

import face_alignment

# sfd 表示 SFD，dlib 表示 Dlib，folder 表示使用已有边界框。
fa = face_alignment.FaceAlignment(face_alignment.LandmarksType.TWO_D, face_detector='sfd')

在 CPU/GPU 上运行

可通过显式传递 device 参数来指定代码运行的设备（GPU 或 CPU）：

import torch
import face_alignment

# cuda 表示 CUDA，mps 表示 Apple M1/2 GPU。
fa = face_alignment.FaceAlignment(face_alignment.LandmarksType.TWO_D, device='cpu')

# 使用较低精度运行
fa = face_alignment.FaceAlignment(face_alignment.LandmarksType.TWO_D, dtype=torch.bfloat16, device='cuda')

请同时参阅 examples 文件夹中的示例。

支持的人脸检测器

# dlib（速度快，但可能漏检人脸）
model = FaceAlignment(landmarks_type= LandmarksType.TWO_D, face_detector='dlib')

# SFD（效果可能最好，但速度最慢）
model = FaceAlignment(landmarks_type= LandmarksType.TWO_D, face_detector='sfd')

# Blazeface（前置摄像头模型）
model = FaceAlignment(landmarks_type= LandmarksType.TWO_D, face_detector='blazeface')

# Blazeface（后置摄像头模型）
model = FaceAlignment(landmarks_type= LandmarksType.TWO_D, face_detector='blazeface', face_detector_kwargs={'back_model': True})

安装

要求

• Python 3.5+（其他版本也可能可用）。最后一个支持 Python 2.7 的版本是 v1.1.1
• Linux、Windows 或 macOS
• pytorch (>=1.5)

虽然非必需，但为了获得最佳性能（尤其是人脸检测器部分），强烈推荐在支持 CUDA 的 GPU 上运行本代码。

二进制安装

最简单的安装方式是使用 pip 或 conda：

使用 pip	使用 conda
pip install face-alignment	conda install -c 1adrianb face_alignment

此外，下方提供了从源码构建的说明。

从源码安装

首先安装 pytorch 及其依赖项。请参考 pytorch readme 获取详细信息。

获取 Face Alignment 源码

git clone https://github.com/1adrianb/face-alignment

安装 Face Alignment 库

pip install -r requirements.txt
python setup.py install

Docker 镜像

项目提供了一个 Dockerfile，可用于构建支持 CUDA 和 cuDNN 的镜像。有关构建和运行 Docker 镜像的更多说明，请查阅官方 Docker 文档。

docker build -t face-alignment .

工作原理

虽然此处将本工具作为黑盒呈现，但如果您希望深入了解该方法的内部机制，请查阅发表在 arXiv 或作者 个人网页 上的原始论文。

贡献

欢迎任何形式的贡献。如果您遇到任何问题（包括本工具失效的图像示例），请随时提交 issue。如果您计划新增功能，请在提交 pull request 前先开一个 issue 进行讨论。

引用

@inproceedings{bulat2017far,
  title={How far are we from solving the 2D \& 3D Face Alignment problem? (and a dataset of 230,000 3D facial landmarks)},
  author={Bulat, Adrian and Tzimiropoulos, Georgios},
  booktitle={International Conference on Computer Vision},
  year={2017}
}

如需引用 dlib、pytorch 或本项目使用的其他软件包，请查阅各自作者的原始页面。

致谢

• 感谢 pytorch 团队提供了如此出色的深度学习框架
• 感谢 我的导师 的耐心指导与建议
• 感谢所有其他 Python 开发者，他们开源了本项目所依赖的其余软件包

face-alignment 快速上手指南

环境准备

• 操作系统：Linux、Windows 或 macOS
• Python 版本：3.5+（推荐使用 3.7 及以上）
• 核心依赖：
  • PyTorch ≥ 1.5（建议使用 CUDA 版本以获得最佳性能）
  • 若使用 GPU，需确保已安装对应版本的 CUDA 和 cuDNN

💡 提示：如在国内，建议使用清华源等镜像加速 PyTorch 安装：

pip install torch torchvision --extra-index-url https://pypi.tuna.tsinghua.edu.cn/simple

安装步骤

推荐方式（使用 pip）

pip install face-alignment

或使用 conda（含国内镜像加速建议）

conda install -c 1adrianb face_alignment

若 conda 下载缓慢，可配置清华 Anaconda 镜像：

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/1adrianb/
conda install face_alignment

从源码安装（可选）

git clone https://github.com/1adrianb/face-alignment
cd face-alignment
pip install -r requirements.txt
python setup.py install

基本使用

检测图像中的 2D 人脸关键点

import face_alignment
from skimage import io

fa = face_alignment.FaceAlignment(face_alignment.LandmarksType.TWO_D, flip_input=False)

input = io.imread('../test/assets/aflw-test.jpg')
preds = fa.get_landmarks(input)

检测图像中的 3D 人脸关键点

import face_alignment
from skimage import io

fa = face_alignment.FaceAlignment(face_alignment.LandmarksType.THREE_D, flip_input=False)

input = io.imread('../test/assets/aflw-test.jpg')
preds = fa.get_landmarks(input)

指定运行设备（CPU/GPU）

# 使用 CPU
fa = face_alignment.FaceAlignment(face_alignment.LandmarksType.TWO_D, device='cpu')

# 使用 CUDA GPU
fa = face_alignment.FaceAlignment(face_alignment.LandmarksType.TWO_D, device='cuda')

# Apple M1/M2 GPU（需 PyTorch 支持 MPS）
fa = face_alignment.FaceAlignment(face_alignment.LandmarksType.TWO_D, device='mps')

更多示例请参考项目 examples 目录。