基于face_recognition进行人脸关键点检测(1)

1. face_recognition 使用世界上最简单的人脸识别工具,它使用dlib最先进的人脸识别技术构建而成,并具有深度学习功能。

1Github 地址:https://github.com/ageitgey/face_recognition

2)官方指南:https://face-recognition.readthedocs.io/en/latest/readme.html

3)源码实现:https://face-recognition.readthedocs.io/en/latest/face_recognition.html

# 1 加入库
import face_recognition
import cv2
import matplotlib.pyplot as plt

# 2 方法:显示图片
def show_image(image, title):
    plt.title(title)
    plt.imshow(image)
    plt.axis("off")

# 3 方法:绘制Landmars关键点
def show_landmarks(image, landmarks):
    for landmarks_dict in landmarks: #取出列表中的一个字典
        for landmarks_key in landmarks_dict.keys(): #获取字典中的键
            for point in landmarks_dict[landmarks_key]: # 获取每个键对应的值/点
                cv2.circle(image, point, 2, (0,0,255), -1) # 画出点
    return image
# 4 主函数
def main():
    # 5 读取图片
    image = cv2.imread("Tom.jpeg")
    # 6 图片灰度转换
    gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
    # 7 调用face_recognition库中的方法:face_landmarks()  检测人脸中的关键点
    face_marks = face_recognition.face_landmarks(gray, None, "large")
    # none 表示不确定人脸所在的位置,自动找。
    # large表示68,small表示5
    print(face_marks) #输出一列表,里面是一个字典,每个点来描述
    # 8 绘制关键点
    img_result = show_landmarks(image.copy(), face_marks)
    # 9 创建画布
    plt.figure(figsize=(9,6))
    plt.suptitle("Face Landmarks with face_recognition", fontsize=14, fontweight="bold")
    # 10 显示整体效果
    show_image(img_result, "landmarks")

    plt.show()

if __name__ == '__main__':
    main()

2.库的安装

         一定要求dlib 19.7.0,而不是根据已有的dlib版本安装相应的face_recognition。这样就可以安装了face_recognition1.3.0,就在pycharm中安装。

  • 2
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 3
    评论

“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 3
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

So come on

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