人脸检测进阶：使用 dlib、OpenCV 和 Python 检测眼睛、鼻子、嘴唇和下巴等面部五官

我们的visualize_facial_landmarks 函数需要两个参数，后跟两个可选参数，每个参数的详细信息如下：

image ：我们将在其上绘制面部标志性可视化的图像。

shape : NumPy 数组，包含映射到不同面部部位的 68 个面部标志坐标。

colors ：用于对每个面部标志区域进行颜色编码的 BGR 元组列表。

alpha ：用于控制原始图像上叠加层的不透明度的参数。

我们现在准备通过面部标志来可视化每个单独的面部区域：

分别循环面部标志区域

for (i, name) in enumerate(FACIAL_LANDMARKS_IDXS.keys()):

获取与关联的 (x, y) 坐标

#人脸地标

(j, k) = FACIAL_LANDMARKS_IDXS[name]

pts = shape[j:k]

检查是否应该绘制下颌线

if name == “jaw”:

由于下颌线是一个非封闭的面部区域，

只在 (x, y) 坐标之间画线

for l in range(1, len(pts)):

ptA = tuple(pts[l - 1])

ptB = tuple(pts[l])

cv2.line(overlay, ptA, ptB, colors[i], 2)

否则，计算人脸的凸包

地标坐标点并显示

else:

hull = cv2.convexHull(pts)

cv2.drawContours(overlay, [hull], -1, colors[i], -1)

遍历 FACIAL_LANDMARKS_IDXS 字典中的每个条目。

对于这些区域中的每一个，我们提取给定面部部分的索引并从形状 NumPy 数组中获取 (x, y) 坐标。

检查是否正在绘制下颌，如果是，只需循环各个点，绘制一条将下颌点连接在一起的线。

否则，处理计算点的凸包并在叠加层上绘制包。

最后一步是通过 cv2.addWeighted 函数创建透明叠加层：

应用透明覆盖

cv2.addWeighted(overlay, alpha, output, 1 - alpha, 0, output)

return the output image

return output

将visualize_facial_landmarks 应用于图像和关联的面部标记后，输出将类似于下图：

使用 dlib、OpenCV 和 Python 提取部分人脸

=============================