java dlib实现人脸检测_使用Python+OpenCV+Dlib实现人脸检测与人脸特征关键点识别

今天，我们将学习如何检测图像中的人脸并提取面部特征，如眼睛、鼻子、嘴巴等。我们可以将这些信息作为一个预处理步骤来完成，例如捕捉照片中人物的人脸(手动或通过机器学习)，创建效果来“增强”我们的图像(类似于Snapchat等应用程序中的效果)，对人脸进行情感分析等等。今天我们将通过引入DLib和从图像中提取面部特征来将其提升到一个新的水平。相关阅读：https://towardsdatascience.com/essential-opencv-functions-to-get-you-started-into-computer-vision-743df932e60Dlib是一个高级的机器学习库，它是为解决复杂的现实世界问题而创建的。这个库是用C++编程语言创建的，它与C/C++、Python和java一起工作。Dlib：http://dlib.net/值得注意的是，本教程可能需要对OpenCV库有一定的了解，例如如何处理图像、打开相机、图像处理和一些小技巧。它是如何工作的？我们的脸有几个可以识别的特征，比如眼睛、嘴巴、鼻子等等。当我们使用DLib算法检测这些特征时，我们实际上得到了每个特征点的映射。该映射由67个点(称为地标点)组成，可识别以下特征：

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现在让我们来了解如何提取特征。安装要求与往常一样，本文将用代码演示示例，并将逐步指导你实现一个完整的人脸特征识别示例。但是在开始之前，你需要启动一个新的Python项目并安装3个不同的库：opencv pythondlib如果像我一样使用pipenv，可以使用以下命令安装所有这些文件：pipenv install opencv-python, dlib如果你使用的是Mac和某些版本的Linux，则在安装dlib时可能会遇到一些问题，如果遇到的是编译错误，请检查使用的CMake库版本。在Mac中，确保你有可用的CMake，并且使用正确的版本运行：brew install cmake对于其他操作系统，请在线检查以获得特定支持。步骤1：载入并显示图片我们将从小处着手并以代码为基础，直到有一个可以正常工作的示例为止。通常，我喜欢使用绘图来渲染图像，但是由于我们在之后的文章中准备了一些很酷的东西，因此我们将做一些不同的事情，并且将创建一个窗口来展示我们的工作结果。让我们一起看看代码吧！import cv2# read the imageimg = cv2.imread("face.jpg")# show the imagecv2.imshow(winname="Face", mat=img)# Wait for a key p