【开箱即用】基于dlib的人脸关键点、对齐(face alignment)、裁剪

使用前提

推理

#git方式下载
git clone git@gitee.com:zengxy2020/csdn_dlib_face_alignment.git

下载模型后根目录结构
在这里插入图片描述

推理

  • 其中raw_images是输入文件夹,将对整个文件夹图片进行推理
  • aligned_images是输出结果保存路径(可任意指定,不需要提前创建)
 python align_images.py  ./raw_images ./aligned_images

dlib 68关键点位置

在这里插入图片描述

代码原理

在这里插入图片描述

  • 1
    点赞
  • 9
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
dlib是一个C++开源库,主要用于机器学习和计算机视觉任务。其中,dlib中的人脸检测模块可以在图像或视频中识别出人脸,而人脸关键点检测功能可以在人脸上定位出一些重要的特征点,例如眼睛、鼻子、嘴巴等,以便进行更深入的人脸分析和处理。 dlib人脸关键点检测的原理基于基于人脸形状模型(Face Shape Model)和级联回归分类器(Cascade Regression Classifier)。 首先,dlib人脸检测模块使用级联分类器从图像或视频中识别出人脸。然后,对于每个检测到的人脸dlib使用形状模型来定位人脸上的关键点。 形状模型是一个基于训练数据的统计模型,它描述了人脸上的关键点相对于人脸的平均形状的变化。通过对大量人脸数据进行训练,可以得到一个形状模型,它可以在新的人脸图像中自动定位关键点。 然而,由于不同人脸之间的差异很大,形状模型在某些情况下可能无法准确地定位关键点。为了解决这个问题,dlib使用了级联回归分类器,该分类器可以对形状模型的输出进行微调。 级联回归分类器是一个多层神经网络,每一层都对前一层的输出进行微调,最终输出关键点的坐标。通过多层级联回归分类器的迭代,可以使得关键点的定位更加准确。 综上所述,dlib人脸关键点检测原理是基于形状模型和级联回归分类器的组合。形状模型用于初步定位关键点,级联回归分类器用于进一步微调关键点的位置,从而实现更准确的关键点检测。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

曾小蛙

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值