OpenCV实践之路——用dlib库进行人脸检测与人脸标记（Python）

98 阅读 0 评论 65 点赞

我是靠谱客的博主潇洒发夹，这篇文章主要介绍OpenCV实践之路——用dlib库进行人脸检测与人脸标记（Python），现在分享给大家，希望可以做个参考。

本文由@星沉阁冰不语出品，转载请注明作者和出处。

文章链接：http://blog.csdn.net/xingchenbingbuyu/article/details/51116354

微博：http://weibo.com/xingchenbing

看人脸方面的资料的时候，会发现很多人都会提到dlib这个库，于是就安装尝试下这个库看看它到底有多么的神奇。今天只是初次尝试一下dlib到底怎么用。

安装dlib：

我的操作系统是window 7，安装了pip，所以直接可以命令行安装Python的各种扩展库

复制代码

1
pip install dlib

主要步骤：

1.加载dlib自带的frontal_face_detector作为我们的人脸征检测器

2.加载官方提供的模型构建特征提取器

3.使用detector进行人脸检测

4.输出人脸个数

5.使用predictor进行人脸关键点识别

6.绘出关键点

Python程序：

复制代码

import cv2
import dlib
import numpy
import sys

PREDICTOR_PATH = "/shape_predictor_68_face_landmarks.dat"

#1.使用dlib自带的frontal_face_detector作为我们的人脸提取器
detector = dlib.get_frontal_face_detector()

#2.使用官方提供的模型构建特征提取器
predictor = dlib.shape_predictor(PREDICTOR_PATH)

class NoFaces(Exception):
    pass

im = cv2.imread("/2.jpg")

#3.使用detector进行人脸检测 rects为返回的结果
rects = detector(im,1)

#4.输出人脸数，dets的元素个数即为脸的个数
if len(rects) >= 1:
    print("{} faces detected".format(len(rects)))
    
if len(rects) == 0:
    raise NoFaces

for i in range(len(rects)):
    
    #5.使用predictor进行人脸关键点识别
    landmarks = numpy.matrix([[p.x,p.y] for p in predictor(im,rects[i]).parts()])
    im = im.copy()

#使用enumerate 函数遍历序列中的元素以及它们的下标
    for idx,point in enumerate(landmarks):
        pos = (point[0,0],point[0,1])
        #cv2.putText(im,str(idx),pos,
                    #fontFace=cv2.FONT_HERSHEY_SCRIPT_SIMPLEX,
                    #fontScale=0.4,

#color=(0,0,255))
        #6.绘制特征点
        cv2.circle(im,pos,3,color=(0,255,0))
        
cv2.namedWindow("im",2)
cv2.imshow("im",im)
cv2.waitKey(0)

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
import cv2
import dlib
import numpy
import sys

PREDICTOR_PATH = "/shape_predictor_68_face_landmarks.dat"


#1.使用dlib自带的frontal_face_detector作为我们的人脸提取器
detector = dlib.get_frontal_face_detector()

#2.使用官方提供的模型构建特征提取器
predictor = dlib.shape_predictor(PREDICTOR_PATH)

class NoFaces(Exception):
    pass

im = cv2.imread("/2.jpg")

#3.使用detector进行人脸检测 rects为返回的结果
rects = detector(im,1)

#4.输出人脸数，dets的元素个数即为脸的个数
if len(rects) >= 1:
    print("{} faces detected".format(len(rects)))
    
if len(rects) == 0:
    raise NoFaces

for i in range(len(rects)):
    
    #5.使用predictor进行人脸关键点识别
    landmarks = numpy.matrix([[p.x,p.y] for p in predictor(im,rects[i]).parts()])
    im = im.copy()

    #使用enumerate 函数遍历序列中的元素以及它们的下标
    for idx,point in enumerate(landmarks):
        pos = (point[0,0],point[0,1])
        #cv2.putText(im,str(idx),pos,
                    #fontFace=cv2.FONT_HERSHEY_SCRIPT_SIMPLEX,
                    #fontScale=0.4,

                    #color=(0,0,255))
        #6.绘制特征点
        cv2.circle(im,pos,3,color=(0,255,0))
        
cv2.namedWindow("im",2)
cv2.imshow("im",im)
cv2.waitKey(0)