python+OpenCv+dlib实现人脸68个关键点检测并标注

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。

第二步

在终端中打开环境。

第三步

输入：

pip install dlib==19.7.0

注意：直接输入安装dlib可能会出错，因为可能最新版无whl格式的安装包，所以建议安装19.7.0版本，可以跳过安装boost和Cmake。

等待安装成功！

---

人脸检测 + 标注

利用Dlib官方训练好的模型“shape_predictor_68_face_landmarks.dat”进行68点标定，利用OpenCv进行图像化处理，在人脸上画出68个点，并标明序号；

实现的68个特征点标定功能如下图所示：

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可在http://dlib.net/files/shape_predictor_68_face_landmarks.dat.bz2下载
（下载完成后解压到工程目录下）

OpenCv绘点：

介绍了用到的 画圆函数cv2.circle() 和 输出字符串函数 cv2.putText() ；

流程：

　　1. 调用dlib库来进行人脸识别，调用预测器“shape_predictor_68_face_landmarks.dat”进行68点标定
　　2. 存入68个点坐标
　　3. 利用 cv2.circle 来画68个点
　　4. 利用 cv2.putText() 函数来画数字1-68

---

程序展示

# _*_ coding:utf-8 _*_

import numpy as np
import cv2
import dlib

detector = dlib.get_frontal_face_detector()
predictor = dlib.shape_predictor('shape_predictor_68_face_landmarks.dat')

# cv2读取图像
img = cv2.imread("1.jpg")

# 取灰度
img_gray = cv2.cvtColor(img, cv2.COLOR_RGB2GRAY)

# 人脸数rects
rects = detector(img_gray, 0)
for i in range(len(rects)):
    landmarks = np.matrix([[p.x, p.y] for p in predictor(img,rects[i]).parts()])
    for idx, point in enumerate(landmarks):
        # 68点的坐标
        pos = (point[0, 0], point[0, 1])
        print(idx,pos)

        # 利用cv2.circle给每个特征点画一个圈，共68个
        cv2.circle(img, pos, 5, color=(0, 255, 0))
        # 利用cv2.putText输出1-68
        font = cv2.FONT_HERSHEY_SIMPLEX
        cv2.putText(img, str(idx+1), pos, font, 0.8, (0, 0, 255), 1,cv2.LINE_AA)

cv2.namedWindow("img", 2)
cv2.imshow("img", img)
cv2.waitKey(0)
 
 
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33

---

结果展示

---

作者 @culeao
2018 年 02月 08日