Dlib提取人脸特征点（68点，opencv画图）

主要在官网给的Demo基础之上用OpenCV把特征点描绘出来了。

很早之前写过一篇配置Dlib环境的博客，现在来稍微梳理下提取特征点的使用方法。

上一篇配置环境博客地址：http://blog.csdn.net/zmdsjtu/article/details/52422847

惯例先放效果图吧：

动图如下：

接着就是简单粗暴的代码：

[cpp] view plain copy

1. //@zmdsjtu@163.com  
2. //2016-12-4  
3. //http://blog.csdn.net/zmdsjtu/article/details/53454071  
4. #include <dlib/opencv.h>  
5. #include <opencv2/opencv.hpp>  
6. #include <dlib/image_processing/frontal_face_detector.h>  
7. #include <dlib/image_processing/render_face_detections.h>  
8. #include <dlib/image_processing.h>  
9. #include <dlib/gui_widgets.h>  
10.   
11. using namespace dlib;  
12. using namespace std;  
13.   
14. int main()  
15. {  
16.     try  
17.     {  
18.         cv::VideoCapture cap(0);  
19.         if (!cap.isOpened())  
20.         {  
21.             cerr << "Unable to connect to camera" << endl;  
22.             return 1;  
23.         }  
24.   
25.         //image_window win;  
26.   
27.         // Load face detection and pose estimation models.  
28.         frontal_face_detector detector = get_frontal_face_detector();  
29.         shape_predictor pose_model;  
30.         deserialize("shape_predictor_68_face_landmarks.dat") >> pose_model;  
31.   
32.         // Grab and process frames until the main window is closed by the user.  
33.         while (cv::waitKey(30) != 27)  
34.         {  
35.             // Grab a frame  
36.             cv::Mat temp;  
37.             cap >> temp;  
38.   
39.             cv_image<bgr_pixel> cimg(temp);  
40.             // Detect faces   
41.             std::vector<rectangle> faces = detector(cimg);  
42.             // Find the pose of each face.  
43.             std::vector<full_object_detection> shapes;  
44.             for (unsigned long i = 0; i < faces.size(); ++i)  
45.                 shapes.push_back(pose_model(cimg, faces[i]));  
46.       
47.             if (!shapes.empty()) {  
48.                 for (int i = 0; i < 68; i++) {  
49.                     circle(temp, cvPoint(shapes[0].part(i).x(), shapes[0].part(i).y()), 3, cv::Scalar(0, 0, 255), -1);  
50.                     //  shapes[0].part(i).x();//68个  
51.                 }  
52.             }  
53.             //Display it all on the screen  
54.             imshow("Dlib特征点", temp);  
55.   
56.         }  
57.     }  
58.     catch (serialization_error& e)  
59.     {  
60.         cout << "You need dlib's default face landmarking model file to run this example." << endl;  
61.         cout << "You can get it from the following URL: " << endl;  
62.         cout << "   http://dlib.net/files/shape_predictor_68_face_landmarks.dat.bz2" << endl;  
63.         cout << endl << e.what() << endl;  
64.     }  
65.     catch (exception& e)  
66.     {  
67.         cout << e.what() << endl;  
68.     }  
69. }  

来看下上面那段代码，所有的需要的特征点都存储在Shapes里。仔细看看下面这行代码：

[cpp] view plain copy

1. circle(temp, cvPoint(shapes[0].part(i).x(), shapes[0].part(i).y()), 3, cv::Scalar(0, 0, 255), -1);  

可以看到shpes[0]代表的是第一个人（可以同时检测到很多个人），part(i)代表的是第i个特征点，x()和y()是访问特征点坐标的途径。

每个特征点的编号如下：

在上述画图的基础上加了如下一行代码：

[cpp] view plain copy

1. putText(temp, to_string(i), cvPoint(shapes[0].part(i).x(), shapes[0].part(i).y()), CV_FONT_HERSHEY_PLAIN, 1, cv::Scalar(255, 0, 0),1,4);  

效果图：

对照着上图，比如说想获取鼻尖的坐标，那么横坐标就是shapes[0].part[30].x()，其余的类似。

在这个的基础上就可以做很多有意思的事情啦，2333