除了get_frontal_face_detector，dlib.shape_predictor搭配其他人脸检测器

dlib检测人脸关键的使用的是shape_predictor检测器，一般是搭配get_frontal_face_detector人脸检测器，但由于该人脸检测器不是很准，需要换成别的人脸检测器，这里以opencv自带的CascadeClassifier为例（这个检测器更不准，只是简单如何替换），以下是一个示例代码：

import dlib
import cv2

# 加载人脸检测器
detector = cv2.CascadeClassifier("path/to/haarcascade_frontalface_default.xml")

# 加载shape_predictor模型
predictor = dlib.shape_predictor("path/to/shape_predictor_68_face_landmarks.dat")

# 读取图片
img = cv2.imread("path/to/image.jpg")

# 将图片转换为灰度图像
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# 使用OpenCV的人脸检测器检测人脸
faces = detector.detectMultiScale(gray, scaleFactor=1.1, minNeighbors=5, minSize=(30, 30))

# 遍历每个检测到的人脸
for (x, y, w, h) in faces:
    # 使用dlib的人脸关键点检测器检测人脸关键点
    shape = predictor(img, dlib.rectangle(x, y, x + w, y + h))
    
    # 遍历每个关键点并在图像上绘制圆圈
    for i in range(68):
        x = shape.part(i).x
        y = shape.part(i).y
        cv2.circle(img, (x, y), 2, (0, 255, 0), -1)

# 显示结果图像
cv2.imshow("Result", img)
cv2.waitKey(0)
cv2.destroyAllWindows()

在这个示例代码中，我们首先加载了OpenCV的人脸检测器，然后使用它来检测输入图像中的人脸。接着，我们使用dlib的shape_predictor模型来检测人脸关键点，并在图像上绘制圆圈来标记每个关键点的位置。最后，我们显示结果图像。