python+OpenCv+dlib实现人脸68个关键点检测并标注

最新推荐文章于 2024-05-02 02:09:33 发布
最新推荐文章于 2024-05-02 02:09:33 发布
阅读量5.1w 收藏 309
点赞数 39
分类专栏： python 人工智能 文章标签： python opencv dlib
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/qq_39438636/article/details/79304130
版权

寒假跟着老师做科技部的项目，主要做微表情的检测。刚开始一头雾水，在研究了两天之后，渐渐找到了一点感觉。 ——这里主要实现了利用python3.6 + OpenCV + dlib 实现人脸68个关键点检测并标注 。

  • python3.6下dlib的配置
  • 利用提供的训练模型进行人脸检测
  • 使用OpenCV进行标注

python3.6 下 dlib 的配置

dlib在python下的配置反反复复一直在折腾，一会说编码错误，一会又查资料说需要安装编译boost和Cmake等其他软件环境。反复查找资料后，这里给出一种简单快速地安装方法，不需要安装编译boost和Cmake等其他软件环境。

对应Anaconda的安装在这里不是重点，就不多说了。没有安装过的可以去找度娘。

第一步

使用Anaconda创建一个Python版本为3.6的Python环境。

创建python环境

第二步

在终端中打开环境。

最低0.47元/天 解锁文章
飞絮_culeao
关注
  • 39
    点赞
  • 踩
  • 309
    收藏
    觉得还不错? 一键收藏
  • 39
    评论
专栏目录
基于opencv和shape_predictor_68_face_landmarks.dat的人脸识别监测
monster663的博客
06-29 1万+
原理简介 偶然看到一篇文章，原文链接 突然对人脸识别有了很大兴趣，于是对文章中利用的方法进行了深入的学习，原理大致基于人脸上的OpenCV库和68个特征点，对监测到的标志点进行标记显示 颚点= 0–16 右眉点= 17–21 左眉点= 22–26 鼻点= 27–35 右眼点= 36–41 左眼点= 42–47 口角= 48–60 嘴唇分数= 61–67 资源 需要 shape_predictor_68_face_landmarks.dat 资源已经上传至百度云 链接：https://pan.baidu.c
【人脸68点关键点】基于人脸对称性法的脑卒中识别算法
weixin_45848260的博客
01-04 1906
进行如下处理，以计算其所示的面部之对称性程度： 一、获得其中面部基准点(点1，17)、眼角(点37，40，43，46)、嘴角(点49，55)、人中(点52)等点的位置数据，以相对于左上角的高度h和宽度w表示(h，w)。 二、取连接点1、点17的直线(记为L1(1，17))作为基准线。该两点位于颞骨，不易随面部变形而移位。推导并计算2对眼角连线L3(37，40)和L4(43，46)相对于L1(1，17)的对称性Ue1。 参见图3A。计算方法如下： (1)计算L1的斜率绝对值：S1＝|(h17-h1)/
2024年最全用Python实现简单的人脸识别，10分钟搞定！（附源码）
最新发布
2401_84563287的博客
05-02 2143
LBP是一种特征提取方式，能提取出图像的局部的纹理特征，最开始的LBP算子是在3X3窗口中，取中心像素的像素值为阀值，与其周围八个像素点的像素值比较，若像素点的像素值大于阀值，则此像素点被标记为1，否则标记为0。
【技术综述】人脸关键点检测的数据集与核心算法
喜欢打酱油的老鸟
08-24 2872
人脸关键点检测是诸如人脸识别、表情分析、三维人脸重建等其它人脸相关任务的基础。近些年来，深度学习方法已被成功应用到了人脸的关键点检测，本章将介绍深度学习方法在人脸关键点检测方向的研究。包括人脸关键点任务，包括其关键点检测数据集的发展、核心算法以及未来展望。 1、什么是关键点检测？ 人脸关键点检测是指给定人脸图像，定位出人脸面部的关键点，包括眉毛、眼睛、鼻子、嘴巴、脸部轮廓区域的点，由于受到姿态和遮挡等因素的影响，人脸关键点检测是一个富有挑战性的任务。人脸关键点是人脸各个部位的重要特征点，通常是轮廓点与角
Dlib库实现人脸关键点检测（Opencv实现）
Keep_Trying_Go的博客
06-30 3763
Dlib库实现人脸关键点检测（Opencv实现）
Python+OpenCV+dlib实现人脸68个关键点检测并标注
zswzjl2009的博客
05-29 1774
点击查看：Python+OpenCV+dlib实现人脸68个关键点检测并标注 文件大小：70M 操作系统：Windows10旗舰版 开发工具：Python3.8、OpenCV4.5、dlib 开发语言：.py 简要概述： 设计流程 工作内容主要以下两大块：68点标定 和 OpenCv绘点 68点标定： 借助官方的训练模型实现； dlib中为我们提供了关于人脸检测标注训练好的文件shape_predictor_68_face_landmarks.dat （下载完成后解压到工程目录下） OpenCv绘点： 介绍
shape_predictor_68_face_landmarks.dat是什么，请详细介绍，150字以上
weixin_35756130的博客
01-31 4720
shape_predictor_68_face_landmarks.dat 是一个预训练的人脸特征点检测模型，用于在人脸图像中定位和识别 68 个关键点。这些关键点涵盖了人脸的各个部位，如眼睛、鼻子、嘴巴、脸颊等。该模型基于一种机器学习技术，即对许多人脸图像进行训练，以学习人脸关键点的特征。使用该模型，可以在计算机视觉应用中自动定位和识别人脸关键点，从而实现人脸识别、人脸对齐、表情识别等功能。该模...
用Dlib库实现68个人脸关键点检测
anshidashen的博客
09-16 2500
利用Dlib官方训练好的“shape_predictor_68_face_landmarks.dat”模型进行68点标注，查找图片中的关键点。 下载地址：http://dlib.net/files/ 下载文件：shape_predictor_68_face_landmarks.dat.bz2 实现人脸图像的关键点检测代码实现： import cv2 import dlib import ...
dlib人脸检测和分割
欢迎来到道的世界
12-17 4929
dlib介绍  Dlib是一个包含机器学习算法的C++开源工具包，Dlib可以用于人脸检测、特征点检测、人脸对齐、人脸识别。 人脸关键点检测  shape_predictor_68_face_landmarks.dat.bz2模型能够检测人脸的68个特征点，其中在人脸中68个关键点位置示意图如下 用shape_predictor_68_face_landmarks.dat.bz2模型进行人脸关键点检测的相应的代码和结果如下所示 import sys import cv2 import dlib def
Dlib库实现人脸关键点定位
AI_dataloads的博客
10-26 340
Dlib" 是一个C++库，提供了广泛的机器学习算法和工具，包括图像处理、计算机视觉、数据挖掘和机器学习等领域。它被广泛用于人脸识别、人脸关键点检测、物体检测等任务。Dlib库的特点之一是其高度的可移植性，它可以在多个平台上运行，包括Windows、Linux和macOS。接下来会针对dlib库对于人脸关键点定位的功能来进行代码演示。
python基于dlib的face landmarks
热门推荐
MingChao_Sun
11-22 4万+
python基于dlib的face landmarkspython使用dlib进行人脸检测与人脸关键点标记Dlib简介：首先给大家介绍一下DlibDlib是一个跨平台的C++公共库，除了线程支持，网络支持，提供测试以及大量工具等等优点，Dlib还是一个强大的机器学习的C++库，包含了许多机器学习常用的算法。同时支持大量的数值算法如矩阵、大整数、随机数运算等等。Dlib同时还包含了大量的图形模型算法。
Python+Dlib+Opencv实现人脸采集并表情判别功能的代码
09-16
在本文中，我们将深入探讨如何使用Python结合Dlib和OpenCV库实现人脸采集与表情判别功能。首先，我们需要确保正确安装这三个库。Dlib是一个强大的C++工具包，提供了机器学习算法，其中包括用于人脸检测和特征定位的...
python3利用Dlib19.7实现人脸68个特征点标定.pdf
04-17
在这个特定的应用中，我们将利用Dlib预先训练好的模型"shape_predictor_68_face_landmarks.dat"来检测和标定68个关键点，这些点覆盖了人脸的主要特征，如眼睛、眉毛、鼻子、嘴唇等。 首先，我们需要确保安装了...
C++基于Qt+OpenCV+Dlib的人脸识别GUI系统源码，基于自己的人脸识别SDK实现的人脸识别系统追踪系统
01-29
Dlib的dlib::frontal_face_detector用于人脸检测，而dlib::shape_predictor则用于面部关键点定位，这些是进行精确人脸识别的基础。 5. **人脸识别技术**：项目可能采用了深度学习模型（如FaceNet或VGGFace等）来...
基于python3+dlib实现的人脸面部表情识别系统源代码
06-25
通过捕获视频帧，实时应用dlib的人脸检测和关键点检测，然后进行表情识别，最终在屏幕上实时标注出面部特征点并显示识别结果。 6. **系统架构**: 这个人脸表情识别系统可能包括以下几个部分：视频输入模块、面部...
python 基于dlib库的人脸检测的实现
09-18
dlib库的强大之处在于它不仅支持人脸检测，还提供了许多其他机器学习和计算机视觉相关的功能，如人脸识别、关键点定位等。在实际应用中，可以根据需求结合其他库，如OpenCV，进一步实现更复杂的功能，如人脸对齐、...
68点人脸关键点定位
Yannie's Blog
06-29 9102
人脸对齐/人脸关键点基本概念 根据输入的人脸图像，自动定位出面部关键特征点，如眼睛，鼻尖，嘴角点，眉毛以及人脸各部件轮廓点等 想要表示形状信息时，使用的是点的集合（向量） 2D人脸：5 / 21 / 29 / 68 / 96 / 192等等 3D人脸：1000 / 8000点 评价人脸关键点性能的指标： NME：Normalized mean error (预测点和基准点之间的欧式距离) CED: Cumulative Errors Distribution (CED) curve NME的计算公
人脸对齐之GBDT(ERT)算法解读
jiajinrang93的博客
05-16 2万+
标签（空格分隔）： ERT GBDT Face_Alignment 作者：贾金让 本人博客链接:http://blog.csdn.net/jiajinrang93 ERT/GBDT实现代码链接（C++版):https://github.com/jjrCN/ERT-GBDT_Face_Alignment欢迎大佬审查，欢迎点赞，谢谢。 1.概述 文章名称：One Millisecond ...
基于python+openCV+dlib+mysql的人脸识别门禁系统的设计与实现
05-22
人脸识别门禁系统是一种基于人脸识别技术的智能门禁系统，其可通过对人脸进行采集、识别和比对，实现对门禁的控制和管理。本文将详细阐述基于python+openCV+dlib+mysql的人脸识别门禁系统的设计与实现。 一、技术选型 本系统主要采用以下技术： 1. Python：作为主要编程语言，用于实现整个系统的逻辑控制和算法设计。 2. OpenCV：作为图像处理库，用于实现人脸检测、特征提取和人脸识别等核心功能。 3. Dlib：作为人脸识别库，用于实现人脸特征点检测和人脸识别等功能。 4. MySQL：作为数据库系统，用于存储人脸特征和相关信息。 二、系统设计 本系统主要包括以下功能模块： 1. 人脸采集模块：用于采集用户的人脸图像，并将其存储到本地或远程数据库中。 2. 人脸检测模块：用于检测人脸区域，提取人脸特征，并将其存储到数据库中。 3. 人脸识别模块：用于识别用户的人脸特征，并与数据库中的人脸特征进行比对，以确定用户身份。 4. 门禁控制模块：根据用户身份结果，控制门禁的开关。 5. 数据库管理模块：用于管理数据库中的人脸特征和相关信息。 三、系统实现 1. 人脸采集模块 人脸采集模块主要是通过摄像头对用户的人脸进行拍摄和保存。代码如下： ```python import cv2 cap = cv2.VideoCapture(0) while True: ret, frame = cap.read() cv2.imshow("capture", frame) if cv2.waitKey(1) & 0xFF == ord('q'): #按q键退出 cv2.imwrite("face.jpg", frame) #保存人脸图像 break cap.release() cv2.destroyAllWindows() ``` 2. 人脸检测模块 人脸检测模块主要是通过OpenCV中的CascadeClassifier类进行人脸检测，再通过Dlib中的shape_predictor类进行人脸特征点检测和特征提取。代码如下： ```python import cv2 import dlib detector = dlib.get_frontal_face_detector() #人脸检测器 predictor = dlib.shape_predictor("shape_predictor_68_face_landmarks.dat") #特征点检测器 img = cv2.imread("face.jpg") #读取人脸图像 gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) #转换为灰度图像 faces = detector(gray, 0) #检测人脸 for face in faces: landmarks = predictor(gray, face) #检测特征点 for n in range(68): x = landmarks.part(n).x y = landmarks.part(n).y cv2.circle(img, (x, y), 2, (0, 255, 0), -1) #绘制特征点 cv2.imshow("face", img) cv2.waitKey(0) cv2.destroyAllWindows() ``` 3. 人脸识别模块 人脸识别模块主要是通过Dlib中的face_recognition类进行人脸特征提取和比对。代码如下： ```python import face_recognition known_image = face_recognition.load_image_file("known_face.jpg") #读取已知的人脸图像 unknown_image = face_recognition.load_image_file("unknown_face.jpg") #读取待识别的人脸图像 known_encoding = face_recognition.face_encodings(known_image)[0] #提取已知人脸的特征 unknown_encoding = face_recognition.face_encodings(unknown_image)[0] #提取待识别人脸的特征 results = face_recognition.compare_faces([known_encoding], unknown_encoding) #比对人脸特征 if results[0]: print("Match") else: print("No match") ``` 4. 门禁控制模块 门禁控制模块主要是通过GPIO控制门禁的开关。代码如下： ```python import RPi.GPIO as GPIO import time GPIO.setmode(GPIO.BOARD) GPIO.setup(11, GPIO.OUT) GPIO.output(11, GPIO.HIGH) #开门 time.sleep(5) #等待5秒 GPIO.output(11, GPIO.LOW) #关门 GPIO.cleanup() #清理GPIO资源 ``` 5. 数据库管理模块 数据库管理模块主要是通过MySQLdb模块实现对MySQL数据库的连接和操作，包括新建数据库、新建表、插入数据、查询数据等。代码如下： ```python import MySQLdb #连接数据库 conn = MySQLdb.connect(host="localhost", user="root", passwd="123456", db="test", charset="utf8") #新建表 cursor = conn.cursor() sql = "CREATE TABLE `face` (`id` int(11) NOT NULL AUTO_INCREMENT, `name` varchar(50) NOT NULL, `encoding` text NOT NULL, PRIMARY KEY (`id`)) ENGINE=InnoDB DEFAULT CHARSET=utf8;" cursor.execute(sql) #插入数据 name = "张三" encoding = "0.1,0.2,0.3,0.4" sql = "INSERT INTO `face` (`name`, `encoding`) VALUES (%s, %s)" cursor.execute(sql, (name, encoding)) conn.commit() #查询数据 sql = "SELECT * FROM `face` WHERE `name`=%s" cursor.execute(sql, (name,)) result = cursor.fetchone() print(result) cursor.close() conn.close() ``` 四、总结 本文主要介绍了基于python+openCV+dlib+mysql的人脸识别门禁系统的设计与实现。该系统主要采用了Python作为主要编程语言，OpenCV、Dlib作为图像处理和人脸识别库，MySQL作为数据库系统。通过对这些技术的应用，实现了人脸采集、检测、识别和门禁控制等核心功能。该系统可以应用于各类场景的门禁控制和身份验证，具有较高的实用价值。

“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 39
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