【三：dlib人脸关键点】python3.5实现人脸关键点提取

人脸检测在系列二中，使用了dlib自带的人脸检测器（detector），关键点提取需要一个特征提取器（predictor），为了构建特征提取器，预训练模型必不可少。

官方提供了训练自己模型的例子，除了自行进行训练外，还可以使用官方提供的一个模型。该模型可从dlib sourceforge库下载：

http://sourceforge.net/projects/dclib/files/dlib/v18.10/shape_predictor_68_face_landmarks.dat.bz2

这个库支持68个关键点的提取，face++提供了102个特征点，如果需要更多的特征点，我们需要自己去训练。

# -*-encoding=utf-8-*-
import sys
import dlib
import cv2
import os

current_path = os.getcwd()
#predictor_path = current_path +'\\model\\shape_predictor_68_face_landmarks.dat'
predictor_path = current_path +'./model/shape_predictor_68_face_landmarks.dat'
detector = dlib.get_frontal_face_detector()
predictor = dlib.shape_predictor(predictor_path)

for f in sys.argv[1:]:
    img = cv2.imread(f, cv2.IMREAD_COLOR)
    dets = detector(img, 2)
    print("Number of faces detected: {}".format(len(dets)))
    for index, face in enumerate(dets):
        print('face {}; left {}; top {}; right {}; bottom {}'.format(index, face.left(), face.top(), face.right(), face.bottom()))
        shape = predictor(img,face)
        for index, pt in enumerate(shape.parts()):
            print('part{}:{}'.format(index, pt))
            pt_pos = (pt.x, pt.y)
            cv2.circle(img, pt_pos, 2, (255,0,0), 1)
        left = face.left()
        top = face.top()
        right = face.right()
        bottom = face.bottom()
        cv2.rectangle(img, (left, top), (right, bottom), (0, 255, 0), 1)
        cv2.namedWindow(f, cv2.WINDOW_AUTOSIZE)
        cv2.imshow(f, img)

k = cv2.waitKey(0)
cv2.destroyAllWindows()

运行命令为python xxx.py 1.jpg

如果是在pycharm ide 中，则只需在Edit Configurations 中的Script parameters项中配置1.jpg即可

试验原始图：

试验结果图：