人脸检测进阶：使用 dlib、OpenCV 和 Python 检测面部标记

于 2024-04-18 22:30:38 发布
阅读量857 收藏 19
点赞数 30
分类专栏： 2024年程序员学习 文章标签： opencv python 人工智能
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/m0_61409092/article/details/137940318
版权

先自我介绍一下，小编浙江大学毕业，去过华为、字节跳动等大厂，目前阿里P7

深知大多数程序员，想要提升技能，往往是自己摸索成长，但自己不成体系的自学效果低效又漫长，而且极易碰到天花板技术停滞不前！

因此收集整理了一份《2024年最新Python全套学习资料》，初衷也很简单，就是希望能够帮助到想自学提升又不知道该从何学起的朋友。
img
img



既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，涵盖了95%以上Python知识点，真正体系化！

由于文件比较多，这里只是将部分目录截图出来，全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频，并且后续会持续更新

如果你需要这些资料，可以添加V获取：vip1024c （备注Python）
img

正文

值得注意的是，还有其他风格的面部标记检测器，包括可以在HELEN数据集上训练的194点模型。

无论使用哪一个数据集，都可以利用相同的dlib框架在输入训练数据上训练形状预测器-如果您想训练面部标记检测器或自定义形状预测器，这非常有用。

在这篇博文的剩余部分，我将演示如何在图像中检测这些面部标记。

使用dlib、OpenCV和Python检测面部标记

=========================================================================&

最低0.47元/天 解锁文章
面试开源2024
关注
  • 30
    点赞
  • 踩
  • 19
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
【深度学习】【Dlib】Python如何正确安装dlib
q742971636的博客
07-01 1080
python安装dlib。
Python之dlib库的简介、安装（无需下载VS）
m0_46328473的博客
01-29 1万+
Python之dlib库的安装(无需安装VS)
dlib 人脸识别原理详细讲解
babyai996的博客
06-27 4505
dlib 的人脸检测算法使用的是基于 HOG 特征和级联分类器的方法。级联分类器是一种多层分类器，每一层都是一个弱分类器，通过级联的方式可以得到一个强分类器。dlib 的人脸检测算法使用了一个 5 层的级联分类器，可以在不同尺度的图像中检测出人脸。dlib 的人脸特征提取算法使用的是基于深度学习的方法。具体来说，它使用了一个 29 层的卷积神经网络，可以将人脸图像转换为一个 128 维的向量，这个向量被称为人脸特征向量。总的来说，dlib 的人脸识别算法是一种基于深度学习的方法，具有较高的准确率和鲁棒性。
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.zip
12-02
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,详见：https://blog.csdn.net/hhhhhhhhhhwwwwwwwwww/article/details/121676797?spm=1001.2014.3001.5502
人脸检测实战高级：使用 OpenCV、Python 和 dlib 完成眨眼检测.zip
12-07
人脸检测实战高级：使用 OpenCV、Python 和 dlib 完成眨眼检测，详见文章：https://blog.csdn.net/hhhhhhhhhhwwwwwwwwww/article/details/121771636?spm=1001.2014.3001.5502
人脸检测（opencv-python入门）
12-21
在本文中，我们将介绍如何使用OpenCV库和Dlib库在Python环境下进行人脸检测。 首先，OpenCV是一个强大的开源计算机视觉库，其中包含了大量的图像处理和计算机视觉算法。在人脸检测方面，OpenCV提供了两种方法：Haar...
人脸检测和识别opencv3+python.zip
11-04
4. Dlib库：除了OpenCV，Dlib库也提供了高效的人脸检测方法，如基于机器学习的Kazemi和Sullivan的“One Millisecond Face Alignment with an Ensemble of Regression Trees”算法，它能准确地定位出51个面部关键点。...
Linux下python与C++使用dlib实现人脸检测
12-25
由于项目需求发现Linux下c++使用dlib进行人脸检测和python使用dlib检测，得到的结果出入比较大，于是写了测试用例，发现影响结果的原因有但不限于： 1.dlib版本不同（影响不大，几个像素的差别） 2.dlib 人脸检测中...
【Dlib人脸识别】1. Dlib人脸检测的基本原理
普罗米修斯的博客
06-06 3万+
Dlib中，人脸识别的基本思路为： 计算已知图片中所有人脸对应的特征向量； 计算要识别的未知图片中所有人脸对应的特征向量； 计算人脸之间的欧式距离； 如果两张人脸之间的欧式距离小于设定的阈值，则认为是同一个人，否则认为不是同一个人 【 1. 计算特征向量 】 在人脸特征点检测中，我们学会了如何获取人脸的特征点。但是特征点只是用于标识人脸关键点的坐标而已，如果想要实现人脸识别，那么必须将特征点转换为特征向量。 1. 加载人脸识别模型 链接：dlib_face_recognition_resnet_mo.
dlib库详解及Python环境安装指南
最新发布
qq_72290695的博客
09-14 5657
dlib库是由Microsoft Research开发的一种机器学习库，它提供了一系列机器学习算法和工具。
python环境下dlib库的安装
qq_43916860的博客
03-27 5235
问题描述：在Anaconda配置深度学习环境时直接使用 pip install dlib安装dlib库往往报错。现有的解决方法要么步骤不详细要么过程复杂，本博客详细的描述一下如何简单的安装dlib库。大致分为三个步骤（1）安装两个库（2）获取dlib文件（3）安装dlib库。
python dlib学习（六）：训练模型
hongbin_xu的博客
11-04 2万+
前言前面的博客都是使用dlib官方提供的训练好的模型，进行目标识别。 - python dlib学习（一）：人脸检测 - python dlib学习（二）：人脸特征点标定 - python dlib学习（三）：调用cnn人脸检测 - python dlib学习（四）：单目标跟踪 - python dlib学习（五）：比对人脸 直接进入主题吧，这次我们要自己训练一个模型
Python调用dlib库实现人脸识别 — AI初学者快速体验人工智能实现
热门推荐
学习机器学习
05-24 3万+
一  人脸识别基本概念二  工具和环境安装准备     1. 安装CMake      2. 安装dlib      3. 安装scikit-image三  人脸识别实践      1. 实验准备      2. 识别逻辑简述      3. 具体代码      4. 运行与结果一  人脸识别基本概念       基本概念先说明下，人脸检测解决的问题是确定一张图上有木有人脸，而人脸识别解决的问题是...
基于python版本的dlib库进行人脸识别
Terminal
08-18 8770
dlib库简介 Dlib 是一个现代C++工具包，包含机器学习算法和工具，用于在C++中创建复杂的软件，以解决现实世界中的问题。按照dlib官网的叙述，其特点主要有： 丰富的帮助文档：dlib官网为每个类与功能都提供了完整的帮助文档，且官网提供有非常多的例程。作者在官网有说如果有东西文件没记录或者不清楚的可以联系他更改。 高质量的可移植代码：dlib库不需要第三方库且符合ISO C++标准，支持Windows， Linux， Mac OS X系统。 丰富的机器学习算法：dlib库中包括深度学习算..
python安装dlib
weixin_44724806的博客
04-05 5631
python3.7安装dlib
python + dlib 实现简单疲劳驾驶检测
fuckingGOD的博客
05-09 6100
引言 本文章实现的疲劳驾驶精确度有些低，想在精确度上迭代的hxd可以自己对代码迭代。 仅供参考— 因为gGthub上已经有开源的项目了 需要用到的配置文件 我这里用的：python3.8 dlib
dlib中的人脸识别原理
人工智能
12-18 2万+
这里讨论的是人脸识别，不是人脸检测 dlib中是先检测都人脸，然后把人脸通过Resnet生成一个128维的向量，Resnet有几种不同深度的结构
OpenCV+Python+Dlib面部标定、眨眼和疲劳检测代码
06-07
以下是OpenCV、Python和Dlib实现面部标定、眨眼和疲劳检测的代码： 首先，需要安装OpenCV、Python和Dlib库。在Python中，可以使用pip安装这些库： ``` pip install opencv-python pip install dlib ``` 接下来，导入必要的库： ```python import cv2 import dlib import numpy as np from scipy.spatial import distance as dist ``` 然后，定义一些常量和函数： ```python EYE_AR_THRESH = 0.25 # 眼睛长宽比阈值 EYE_AR_CONSEC_FRAMES = 3 # 连续帧数 YAWN_THRESH = 20 # 打哈欠阈值 ALARM_SOUND_PATH = "alarm.wav" # 警报声音文件路径 def eye_aspect_ratio(eye): # 计算眼睛长宽比 A = dist.euclidean(eye[1], eye[5]) B = dist.euclidean(eye[2], eye[4]) C = dist.euclidean(eye[0], eye[3]) ear = (A + B) / (2.0 * C) return ear def mouth_aspect_ratio(mouth): # 计算嘴巴长宽比 A = dist.euclidean(mouth[14], mouth[18]) B = dist.euclidean(mouth[12], mouth[16]) C = dist.euclidean(mouth[0], mouth[6]) mar = (A + B) / (2.0 * C) return mar def play_alarm_sound(path): # 播放警报声音 import os os.system("aplay " + path + " &") ``` 现在，让我们加载Dlib的人脸检测器和68个面部标定点模型： ```python detector = dlib.get_frontal_face_detector() predictor = dlib.shape_predictor("shape_predictor_68_face_landmarks.dat") ``` 最后，我们可以开始处理视频流或摄像头输入： ```python cap = cv2.VideoCapture(0) # 摄像头输入 ear_history = [] # 眼睛长宽比历史记录 mar_history = [] # 嘴巴长宽比历史记录 alarm_on = False # 是否播放警报声音 while True: ret, frame = cap.read() if not ret: break gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY) rects = detector(gray, 0) for rect in rects: # 检测人脸并标定面部 shape = predictor(gray, rect) shape = np.array([(p.x, p.y) for p in shape.parts()]) # 计算眼睛长宽比和嘴巴长宽比 left_eye = shape[36:42] right_eye = shape[42:48] mouth = shape[48:68] ear = (eye_aspect_ratio(left_eye) + eye_aspect_ratio(right_eye)) / 2.0 mar = mouth_aspect_ratio(mouth) # 在视频中显示眼睛和嘴巴区域 cv2.drawContours(frame, [cv2.convexHull(left_eye)], -1, (0, 255, 0), 1) cv2.drawContours(frame, [cv2.convexHull(right_eye)], -1, (0, 255, 0), 1) cv2.drawContours(frame, [cv2.convexHull(mouth)], -1, (0, 255, 0), 1) # 更新眼睛长宽比历史记录 ear_history.append(ear) if len(ear_history) > EYE_AR_CONSEC_FRAMES: ear_history.pop(0) # 更新嘴巴长宽比历史记录 mar_history.append(mar) if len(mar_history) > EYE_AR_CONSEC_FRAMES: mar_history.pop(0) # 判断是否眨眼和打哈欠 ear_avg = np.mean(ear_history) mar_avg = np.mean(mar_history) if ear_avg < EYE_AR_THRESH and mar_avg > YAWN_THRESH: # 开始播放警报声音 if not alarm_on: alarm_on = True play_alarm_sound(ALARM_SOUND_PATH) else: # 停止播放警报声音 alarm_on = False cv2.imshow("Frame", frame) key = cv2.waitKey(1) if key == 27: break cap.release() cv2.destroyAllWindows() ``` 这段代码中，我们使用OpenCV从摄像头或视频流中读取帧。然后，我们将每个帧转换为灰度图像，并使用Dlib检测人脸和面部标定点。 接下来，我们计算眼睛长宽比和嘴巴长宽比，并绘制出眼睛和嘴巴的轮廓。然后，我们更新眼睛长宽比和嘴巴长宽比历史记录，并检查是否有连续的帧满足眨眼和打哈欠的条件。如果是，我们播放警报声音。 最后，我们在视频中显示帧，并等待按下ESC键退出程序。 希望这个例子可以帮助你开始使用OpenCV、Python和Dlib实现面部标定、眨眼和疲劳检测。

“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

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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