OpenCV实践之路——用dlib库进行人脸检测与人脸标记（Python）

参考：http://blog.csdn.net/xingchenbingbuyu/article/details/51116354

---

主要步骤：

1.加载dlib自带的frontal_face_detector作为我们的人脸征检测器
2.加载官方提供的模型构建特征提取器
3.使用detector进行人脸检测
4.输出人脸个数
5.使用predictor进行人脸关键点识别
6.绘出关键点

其中预训练模型shape_predictor_68_face_landmarks.dat，点击这里找到并下载

Python程序

import cv2
import dlib
import numpy
import sys

PREDICTOR_PATH = "./data/shape_predictor_68_face_landmarks.dat"

# 1.使用dlib自带的frontal_face_detector作为我们的人脸提取器
detector = dlib.get_frontal_face_detector()

# 2.使用官方提供的模型构建特征提取器
predictor = dlib.shape_predictor(PREDICTOR_PATH)


class NoFaces(Exception):
    pass


im = cv2.imread("./image/nba.jpg")

# 3.使用detector进行人脸检测 rects为返回的结果
rects = detector(im, 1)

# 4.输出人脸数，dets的元素个数即为脸的个数
if len(rects) >= 1:
    print("{} faces detected".format(len(rects)))

if len(rects) == 0:
    raise NoFaces

for i in range(len(rects)):

    # 5.使用predictor进行人脸关键点识别
    landmarks = numpy.matrix([[p.x, p.y] for p in predictor(im, rects[i]).parts()])
    im = im.copy()

    # 使用enumerate 函数遍历序列中的元素以及它们的下标
    for idx, point in enumerate(landmarks):
        pos = (point[0, 0], point[0, 1])
        # cv2.putText(im,str(idx),pos,
        # fontFace=cv2.FONT_HERSHEY_SCRIPT_SIMPLEX,
        # fontScale=0.4,
        #
        # color=(0,0,255))
        # 6.绘制特征点
        cv2.circle(im, pos, 1, color=(0, 255, 0))

cv2.namedWindow("im", 2)
cv2.imshow("im", im)
cv2.waitKey(0)
cv2.destroyAllWindows()