人脸关键点热点图

1.先获取人脸关键点

使用opencv+python+dlib实现人脸关键68个点检测并标注
1.先安装python3.6的环境
2.在终端打开环境
3.输入pip install dlin==19.7.0

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；

dlib中为我们提供了关于人脸检测标注训练好的文件可在
（下载完成后解压到工程目录下）

程序部分

# _*_ 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])
         x.append(point[0, 0])
         y.append(point[0, 1])
        # 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))
      

cv2.namedWindow("img", 2)
cv2.imshow("img", img)
cv2.waitKey(0)

根据人脸构建热力图

热图经常用于可视化发生或者密度。

倒库

import matplotlib.pyplot as plt
import numpy as np
import math

热点数据集就是有上面得出的人脸组成的数据集x和y

网格大小和半径

1.在使用KDE创建热图时，我们需要指定内核形状的带宽或半径已经输出网格大小。就是最后x轴y轴的刻度线。我们采用半径10米和网格大小1米

# DEFINE GRID SIZE AND RADIUS(h)  下降梯度和redius
grid_size = 1
h &#