简要

Deepface可以识别人脸，对比，分析情绪性别种族年纪等，比较万能，支持stream视频流检测。比较轻量，引入到现有开发比较快。

安装

使用DeepFace这个库，第一次使用需要下载他的模型，默认没有代理，下不下来（或者速度慢）可以根据报错找到原下载链接（在作者另外一个库中）手动下载保存到c盘用户文件夹的.deepface文件夹下面（第一次调用这个库会自动创建这个文件夹），ssd的文件在opencv仓库，也可以通过下载失败报错的提示直接去原仓库手动复制和下载，应该是有加proxy的参数的地方但是我看readme没找到。

部分功能的使用&注意

DeepFace提供了几种识别人脸的后端（backend参数），测试感觉ssd速度可行（默认的OpenCV在我这里检测不到人脸，其余两个比较慢帧率很低，我是视频检测），ssd后端需要下载的文件下载方法可以看上方说明。
这里截取一小段project代码，识别画面中的情绪使用，注意他给的img_path（第一个参数）的文档其实是这样的：

exact image path, numpy array (BGR) or base64 encoded image could be passed.

也就是可以传入路径，BGR格式的数组（cv默认读出来的，不需要做image = cv2.cvtColor(frame, cv2.COLOR_BGR2RGB)）或者base64编码的图像。silent可以让它少输出一些内容。还有一个enforce_detection默认为True，意思是检测到人脸他才做actions（表情、年龄、性别等的分析）否则会抛出valueError。

try:
    res = DeepFace.analyze(numpy.array(frame), actions=['emotion'], silent=True, detector_backend='ssd')
    self.update_result(res[0]['emotion'])
except ValueError as e:
    # Face not found
    pass
except Exception as e:
    print(e)

这里就可以不用库本身自带的stream（有些功能可能并不需要，anyway），但是把视频流的每一帧都放进来分析，速度还是很不错，精度个人觉得一般但是说得过去，可以自己练完替换模型权重。
数据返回的格式是一个数组，分别对应画面中检测到的某个人脸（没测试，但是推理应该是这样不然没道理这么返回数据）。每一个item包含指定的actions的数据（表情、年龄、性别等的分析数据）以及人脸在画面中的位置，可以通过这个数据绘制选框框住人脸。

可能的报错和解决方案

接下来是遇到的报错

error: (-215:Assertion failed) !empty() in function ‘cv::CascadeClassifier::detectMultiScale’

同时还有一个小坑：lib/site-packages/cv2/data/haarcascade_eye.xml这个文件，虚拟路径也不能有中文否则也会报错（我的路径一开始有“作业”两个字报错说无法以read mode打开这个xml文件，路径改为英文就成功了），注意看最开始的报错。
检测不到人脸的时候也会报ValueError，注意try except。