dilb-models下载dat，及其使用后的效果

目录

一、dilb-models下载方法

二、代码实现

1、导入库

2、数据

3、主要代码

4、实现效果

---

一、dilb-models下载方法

先进入到davisking/dlib-models：dlib 示例程序的训练模型文件。 (github.com)

(如果进去github卡顿，建议使用watt toolkit加速，免费的)

这里我们下载三个模型bat（其他模型可以自行尝试）

二、代码实现

1、导入库

import cv2
import dlib
import numpy as np

2、数据

‘img_1.png’

3、主要代码

（注意：这里使用了生成的模型更小、更快、更平滑、更准确的模型）

shape_predictor_68_face_landmarks_GTX .dat

import cv2
import dlib
import numpy as np

# 读取图像
img = cv2.imread("img_1.png")

# 使用dlib检测人脸
detector = dlib.get_frontal_face_detector()
faces = detector(img, 0)

# 加载面部关键点预测器
predictor = dlib.shape_predictor(r'shape_predictor_68_face_landmarks_GTX .dat')

# 遍历检测到的每张脸
for face in faces:
    # 预测面部关键点
    shape = predictor(img, face)
    # 创建包含面部关键点坐标的矩阵
    lanmarks = np.matrix([[p.x, p.y] for p in shape.parts()])

    # 遍历关键点并在图像上绘制圆圈和标签
    for idx, point in enumerate(lanmarks):
        pos = (point[0, 0], point[0, 1])
        cv2.circle(img, pos, 2, (0, 255, 0))
        cv2.putText(img, str(idx), pos, cv2.FONT_HERSHEY_SIMPLEX, 0.4, (255, 255, 255), 1)

# 显示包含绘制的面部关键点的图像
cv2.imshow("img", img)
cv2.waitKey(0)
cv2.destroyAllWindows()

4、实现效果