概括
人脸关键点定位是计算机视觉领域的重要技术,旨在通过算法自动在人脸图像上定位出关键位置,如眼睛、鼻子、嘴巴等特征点。这些关键点对于人脸识别、表情分析、人脸姿态估计等应用至关重要。
效果图:
具体实现:
1.加载模型
'''关键点定位:定位到人脸的眼睛、鼻子、眉毛、轮廓等'''
import numpy as np
import cv2
import dlib #导入dlib库
image = cv2.imread('./zjy.jpg')
detect = dlib.get_frontal_face_detector() # 构造人脸检测器
faces = detect(image, 0) # 检测人脸
# dlib.shape_predictor载入模型(加载预测器)
# 可以从https://github.com/davisking/dlib-models下载 xmlopencv自己训练好的特征,dlib人脸关键点的检测模型
predictor = dlib.shape_predictor('./shape_predictor_68_face_landmarks.dat')
faces = detector(image,n)使用人脸检测器返回检测到的人脸框
参数:image: 待检测的可能含有人脸的图像。
参数n:表示采用上采样的次数。上采样会让图像变大,能够检测到更多人脸对象,提高小人脸的检测效果
返回值faces:返回检测图像中的所有人脸框。
2.获取脸部的关键点(实现检测)
for face in faces: # 获取每一张脸的关键点(实现检测)
shape = predictor(image, face) # 获取关键点
# 将关键点转换为坐标(x,y)的形式
landmarks = np.matrix([[p.x, p.y] for p in shape.parts()])
3.绘制每一张脸的关键点
for i, point in enumerate(landmarks):
position = (point[0, 0], point[0, 1]) # 当前关键的坐标
# 针对当前关键点,绘制一个实心圆
cv2.circle(image, position, 2, (0, 255, 0))
cv2.putText(image, str(i), position, cv2.FONT_HERSHEY_SIMPLEX, 0.4, (255, 255, 255), 1, cv2.LINE_AA)
cv2.circle(image,圆心坐标,半径,颜色)
cv2.putText(image, 绘制内容, (绘制位置), 字体类型, 字体大小, (字体颜色), 线条粗细)
整体代码展示
'''关键点定位:定位到人脸的眼睛、鼻子、眉毛、轮廓等'''
import numpy as np
import cv2
import dlib
image = cv2.imread('./zjy.jpg')
detect = dlib.get_frontal_face_detector() # 构造人脸检测器
faces = detect(image, 0) # 检测人脸
# dlib.shape_predictor载入模型(加载预测器)
# 可以从https://github.com/davisking/dlib-models下载 xmlopencv自己训练好的特征,dlib人脸关键点的检测模型
predictor = dlib.shape_predictor('./shape_predictor_68_face_landmarks.dat')
for face in faces: # 获取每一张脸的关键点(实现检测)
shape = predictor(image, face) # 获取关键点
# 将关键点转换为坐标(x,y)的形式
landmarks = np.matrix([[p.x, p.y] for p in shape.parts()])
# 绘制每一张脸的关键点(绘制shape中的每个点)
for i, point in enumerate(landmarks):
position = (point[0, 0], point[0, 1]) # 当前关键的坐标
# 针对当前关键点,绘制一个实心圆
cv2.circle(image, position, 2, (0, 255, 0))
cv2.putText(image, str(i), position, cv2.FONT_HERSHEY_SIMPLEX, 0.4, (255, 255, 255), 1, cv2.LINE_AA)
cv2.imshow('image', image)
cv2.waitKey(0)
cv2.destroyAllWindows()