大家好，今天给各位分享rf如何使用谷歌浏览器的一些知识，其中也会对rf打开浏览器进行解释，文章篇幅可能偏长，如果能碰巧解决你现在面临的问题，别忘了关注本站，现在就马上开始吧！

本文目录

1. 如何线上部署用python基于dlib写的人脸识别算法
2. rf 每次都要从打开浏览器执行吗
3. ubuntu卸载谷歌输入法

一、如何线上部署用python基于dlib写的人脸识别算法

python使用dlib进行人脸检测与人脸关键点标记

Dlib是一个跨平台的C++公共库，除了线程支持，网络支持，提供测试以及大量工具等等优点，Dlib还是一个强大的机器学习的C++库，包含了许多机器学习常用的算法。同时支持大量的数值算法如矩阵、大整数、随机数运算等等。

Dlib同时还包含了大量的图形模型算法。

最重要的是Dlib的文档和例子都非常详细。

这篇博客所述的人脸标记的算法也是来自Dlib库，Dlib实现了One Millisecond Face Alignment with an Ensemble of Regression Trees中的算法

这篇论文非常出名，在谷歌上打上One Millisecond就会自动补全，是CVPR 2014(国际计算机视觉与模式识别会议)上的一篇国际顶级水平的论文。毫秒级别就可以实现相当准确的人脸标记，包括一些半侧脸，脸很不清楚的情况，论文本身的算法十分复杂，感兴趣的同学可以下载看看。

Dlib实现了这篇最新论文的算法，所以Dlib的人脸标记算法是十分先进的，而且Dlib自带的人脸检测库也很准确，我们项目受到硬件所限，摄像头拍摄到的画面比较模糊，而在这种情况下之前尝试了几个人脸库，识别率都非常的低，而Dlib的效果简直出乎意料。

相对于C++我还是比较喜欢使用python，同时Dlib也是支持python的，只是在配置的时候碰了不少钉子，网上大部分的Dlib资料都是针对于C++的，我好不容易才配置好了python的dlib，这里分享给大家：

因为是用python去开发计算机视觉方面的东西，python的这些科学计算库是必不可少的，这里我把常用的科学计算库的安装也涵盖在内了，已经安装过这些库的同学就可以忽略了。

大家都知道Ubuntu是自带python2.7的，而且很多Ubuntu系统软件都是基于python2.7的，有一次我系统的python版本乱了，我脑残的想把python2.7卸载了重装，然后……好像是提醒我要卸载几千个软件来着，没看好直接回车了，等我反应过来Ctrl+ C的时候系统已经没了一半了…

所以我发现想要搞崩系统，这句话比rm-rf还给力…

sudo apt-get remove python2.71

首先安装两个python第三方库的下载安装工具,ubuntu14.04好像是预装了easy_install

sudo apt-get install python-pip1

sudo apt-get install python-setuptools1

有时候系统环境复杂了，安装的时候会安装到别的python版本上，这就麻烦了，所以还是谨慎一点测试一下，这里安装一个我之前在博客中提到的可以模拟浏览器的第三方python库测试一下。

在终端输入python进入python shell

进入python shell后import一下刚安装的mechanize

没有报错，就是安装成功了，如果说没有找到，那可能就是安装到别的python版本的路径了。

没有报错的话，说明PIL已经被预装过了

首先需要安装python-dev才可以编译之后的扩展库

sudo apt-get install python-dev1

之后就可以用easy-install安装numpy了

这里有时候用easy-install安装numpy下载的时候会卡住，那就只能用 apt-get来安装了：

不推荐这样安装的原因就是系统环境或者说python版本多了之后，直接apt-get安装numpy很有可能不知道装到哪个版本去了，然后就很麻烦了，我有好几次遇到这个问题,不知道是运气问题还是什么，所以风险还是很大的，所以还是尽量用easy-install来安装。

下面的安装过程同理，我就从简写了，大家自己每步别忘了测试一下

sudo apt-get install python-scipy1

sudo apt-get install python-matplotlib1

我当时安装dlib的过程简直太艰辛，网上各种说不知道怎么配，配不好，我基本把stackoverflow上的方法试了个遍，才最终成功编译出来并且导入，不过听说18.18更新之后有了setup.py,那真是极好的，18.18我没有亲自配过也不能乱说，这里给大家分享我配置18.17的过程吧：

1.首先必须安装libboost，不然是不能使用.so库的

sudo apt-get install libboost-python-dev cmake1

2.到Dlib的官网上下载dlib，会下载下来一个压缩包，里面有C++版的dlib库以及例子文档，Python dlib库的代码例子等等

我使用的版本是dlib-18.17,大家也可以在我这里下载：

之后进入python_examples下使用bat文件进行编译，编译需要先安装libboost-python-dev和cmake

cd to dlib-18.17/python_examples

./compile_dlib_python_module.bat 123

之后会得到一个dlib.so，复制到dist-packages目录下即可使用

这里大家也可以直接用我编译好的.so库,但是也必须安装libboost才可以，不然python是不能调用so库的，下载地址：

将.so复制到dist-packages目录下

sudo cp dlib.so/usr/local/lib/python2.7/dist-packages/1

最新的dlib18.18好像就没有这个bat文件了，取而代之的是一个setup文件，那么安装起来应该就没有这么麻烦了，大家可以去直接安装18.18，也可以直接下载复制我的.so库，这两种方法应该都不麻烦～

有时候还会需要下面这两个库，建议大家一并安装一下

sudo apt-get install python-skimage1

环境配置结束之后，我们首先看一下dlib提供的示例程序

dlib-18.17/python_examples/face_detector.py源程序：

#!/usr/bin/python# The contents of this file are in the public domain. See LICENSE_FOR_EXAMPLE_PROGRAMS.txt## This example program shows how to find frontal human faces in an image. In# particular, it shows how you can take a list of images from the command# line and display each on the screen with red boxes overlaid on each human# face.## The examples/faces folder contains some jpg images of people. You can run# this program on them and see the detections by executing the# following command:#./face_detector.py../examples/faces/*.jpg## This face detector is made using the now classic Histogram of Oriented# Gradients(HOG) feature combined with a linear classifier, an image# pyramid, and sliding window detection scheme. This type of object detector# is fairly general and capable of detecting many types of semi-rigid objects# in addition to human faces. Therefore, if you are interested in making# your own object detectors then read the train_object_detector.py example# program.### COMPILING THE DLIB PYTHON INTERFACE# Dlib comes with a compiled python interface for python 2.7 on MS Windows. If# you are using another python version or operating system then you need to# compile the dlib python interface before you can use this file. To do this,# run compile_dlib_python_module.bat. This should work on any operating# system so long as you have CMake and boost-python installed.# On Ubuntu, this can be done easily by running the command:# sudo apt-get install libboost-python-dev cmake## Also note that this example requires scikit-image which can be installed# via the command:# pip install-U scikit-image# Or downloaded from. import sys

detector= dlib.get_frontal_face_detector()

print("a");for f in sys.argv[1:]:

print("Processing file:{}".format(f))

# The 1 in the second argument indicates that we should upsample the image

# 1 time. This will make everything bigger and allow us to detect more

print("Number of faces detected:{}".format(len(dets))) for i, d in enumerate(dets):

print("Detection{}: Left:{} Top:{} Right:{} Bottom:{}".format(

i, d.left(), d.top(), d.right(), d.bottom()))

dlib.hit_enter_to_continue()# Finally, if you really want to you can ask the detector to tell you the score# for each detection. The score is bigger for more confident detections.# Also, the idx tells you which of the face sub-detectors matched. This can be# used to broadly identify faces in different orientations.if(len(sys.argv[1:])> 0):

dets, scores, idx= detector.run(img, 1) for i, d in enumerate(dets):

print("Detection{}, score:{}, face_type:{}".format(

d, scores[i], idx[i]))123456789101112131415161718192021222324252627282930313233343536373839404142434445464748495051525354555657585960616263646566676869707172737475767778798081

我把源代码精简了一下，加了一下注释： face_detector0.1.py

#-*- coding: utf-8-*-import sys

from skimage import io#使用dlib自带的frontal_face_detector作为我们的特征提取器detector= dlib.get_frontal_face_detector()#使用dlib提供的图片窗口win= dlib.image_window()#sys.argv[]是用来获取命令行参数的，sys.argv[0]表示代码本身文件路径，所以参数从1开始向后依次获取图片路径for f in sys.argv[1:]:#输出目前处理的图片地址

print("Processing file:{}".format(f))#使用skimage的io读取图片

img= io.imread(f)#使用detector进行人脸检测 dets为返回的结果

dets= detector(img, 1)#dets的元素个数即为脸的个数

print("Number of faces detected:{}".format(len(dets)))#使用enumerate函数遍历序列中的元素以及它们的下标

#left：人脸左边距离图片左边界的距离；right：人脸右边距离图片左边界的距离

#top：人脸上边距离图片上边界的距离；bottom：人脸下边距离图片上边界的距离

print("Detection{}: Left:{} Top:{} Right:{} Bottom:{}"

.format( i, d.left(), d.top(), d.right(), d.bottom()))#也可以获取比较全面的信息，如获取人脸与detector的匹配程度

dets, scores, idx= detector.run(img, 1)

print("Detection{}, dets{},score:{}, face_type:{}".format( i, d, scores[i], idx[i]))

#绘制图片(dlib的ui库可以直接绘制dets)

win.add_overlay(dets)#等待点击

dlib.hit_enter_to_continue()1234567891011121314151617181920212223242526272829303132333435363738394041424344454647484950

分别测试了一个人脸的和多个人脸的，以下是运行结果：

运行的时候把图片文件路径加到后面就好了

python face_detector0.1.py./data/3.jpg12

这里可以看出侧脸与detector的匹配度要比正脸小的很多

人脸检测我们使用了dlib自带的人脸检测器（detector），关键点提取需要一个特征提取器（predictor），为了构建特征提取器，预训练模型必不可少。

除了自行进行训练外，还可以使用官方提供的一个模型。该模型可从dlib sourceforge库下载：

这个库支持68个关键点的提取，一般来说也够用了，如果需要更多的特征点就要自己去训练了。

dlib-18.17/python_examples/face_landmark_detection.py源程序：

#!/usr/bin/python# The contents of this file are in the public domain. See LICENSE_FOR_EXAMPLE_PROGRAMS.txt## This example program shows how to find frontal human faces in an image and# estimate their pose. The pose takes the form of 68 landmarks. These are# points on the face such as the corners of the mouth, along the eyebrows, on# the eyes, and so forth.## This face detector is made using the classic Histogram of Oriented# Gradients(HOG) feature combined with a linear

二、rf 每次都要从打开浏览器执行吗

1、那看你需要做什么，如果是用来做web UI的自动化，一般都需要先打开游览器，不然无法开始流程。如果是接口和移动客户端的自动化，当然是不需要先打开浏览器的，这个根据你自己的需求来确认流程。

2、如果觉得每次打开浏览器比较麻烦，可在Settings表里加上初始化打开浏览器，这样就不用每条案例都打开浏览器。

三、ubuntu卸载谷歌输入法

1、现在，你已经成功地在 Ubuntu上安装 Google Chrome。毕竟，它是世界上受欢迎的网页浏览器了。

2、但是，你可能会不喜欢 Google的产品，因为它们对用户的信息进行追踪和数据挖掘。你决定选择 Ubuntu上的其他网页浏览器，并且它或许是一个非 Chromium核心的浏览器。

3、既然你已经不再使用 Google Chrome了，那么，把它从 Ubuntu系统中移除是一个明智的选择。

4、如何才能做到这一点呢？我来告诉你具体的步骤。

5、从 Ubuntu中完全移除 Google Chrome

6、你可能使用了图形界面的方式安装 Google Chrome，但不幸的是，你得使用命令行的方式来移除它，除非你选择使用 Synaptic软件包管理器。

7、使用命令行来做这件事也不是很难。首先，按下键盘上的 Ctrl+Alt+T快捷键来打开一个终端。

8、sudo apt purge google-chrome-stable

9、此时它会向你索要一个密码，这个密码是你的用户账户密码，也就是你用来登录 Ubuntu系统的密码。

10、当你输入密码的时候，屏幕上什么也不会显示。这是 Linux系统的正常行为。继续输入密码，完成后按下回车键。

11、此时它会让你确认是否删除 Google Chrome，输入 Y来确认，或者直接按下回车键也行。

12、这个操作会从你的 Ubuntu Linux系统中移除 Google Chrome，同时也会移除大多数相关的系统文件。

13、但是，你的个人设置文件仍然保留在用户主目录中。它包含了 Cookie、会话、书签和其他与你的账户相关的 Chrome设置信息。当你下次安装 Google Chrome时，这些文件可以被 Chrome再次使用。

14、如果你想要彻底地移除 Google Chrome，你可能会想要把这些文件也移除掉。那么，下面是你需要做的：

15、切换到.config目录。注意 config前面有个点`，这是 Linux隐藏文件和目录的方式。

16、然后移除​​google-chrome​​目录：

17、Removing the leftover Google Chrome settings from Ubuntu

18、你也可以仅使用一个命令 rm-rf~/.config/google-chrome来删除它。因为本教程面向的对象是完完全全的初学者，所以我把这个命令拆分为以上两个步骤来完成，这样可以减少由于拼写问题造成的可能错误。

19、我希望这篇快速的入门技巧可以帮助你在 Ubuntu上摆脱 Google Chrome。

20、以上就是良许教程网为各位朋友分享的Linu系统相关内容。想要了解更多Linux相关知识记得关注公众号“良许Linux”，或扫描下方二维码进行关注，更多干货等着你！

关于本次rf如何使用谷歌浏览器和rf打开浏览器的问题分享到这里就结束了，如果解决了您的问题，我们非常高兴。