以前寫過一篇關于實現人臉識別的文章，里面用到的技術是經過調用百度 API 實現的，本次將借助于 dlib ?程序包實現人臉區域檢測、特征點提取等功能，html

dlib 封裝了許多優秀的機器學習算法， 可實現人臉識別、檢測、識別，視頻目標追逐等功能，是由由 C++開發的一個開源程序庫，目前也提供了 Python 接口，可供咱們直接調用。web

1，dilb 安裝

dlib 程序包的安裝方式也是用 pip 來進行安裝的，但不一樣于其它程序包的是，在輸入算法

pip?install?dlib

以前，須要安裝 Cmake 程序包，該工具主要是對 dlib 進行編譯，安裝命令與其余包相似微信

pip?install?Cmake

2，實現人臉識別

利用 dlib 實現人臉識別功能時，先定義一個檢測器和一個 圖片預覽窗口：機器學習

detector?=?dlib.get_frontal_face_detector()

win?=?win?=?dlib.image_window()

以后利用 ?load_rgb_image() ?函數讀取圖像：函數

img?=?dlib.load_rgb_image(f)

接下來進行核心功能人臉檢測的實現，這里須要借助于上面定義獲得的檢測器工具

dets,score,idx?=?detector.run(img,1，-1)

img 就是咱們讀取后的圖像，第二個參數 1 表明的是圖片上采樣倍數，值越大，最終識別獲得的結果越好，-1 表明的是調整分割閾值，負值表示將返回更多檢測結果學習

返回的 dets 返回的是一我的臉區域矩形，分別表示左，上、右、下邊界，是 tuple 形式，若是檢測出一我的臉，則為一個 tuple, 若是是多我的臉，將會把多個 tuple 放置在一個列表中；有個這個矩形坐標就能夠作如下事情：spa

人臉區域裁剪，進行區域提取；.net

人臉區域線條標記

score ?表示的是人臉識結果檢測幾率，越大表明識別出來的結果越好；若是一幅圖有多我的臉，則返回多個檢測幾率以列表形式儲存；idx 是用于在一副圖檢測出多我的臉是用的索引，能夠對其進行索引

win.clear_overlay()

win.set_image(img)

win.add_overlay(dets)

dlib.hit_enter_to_continue

最后咱們利用 前面定義的 win 窗口，進行圖像預覽，結果以下，

Snipaste_2020-06-01_23-43-59.png

固然也能夠用 OpenCV 進行輪廓勾勒，OpenCV 勾勒結果以下( 有色差的緣由是OpenCV 讀取的是 BGR 通道順序 )；

Snipaste_2020-06-01_23-46-03.png

3，dlib 提取人臉68個特征點

OpenCV 也能夠用于人臉識別，但效果不如 dlib ，除了上面提到的線框檢測以外，dlib 還能夠直接提取人臉上的 68 個特征點，做為坐標形式來返回；

有了這 68 個特征點的坐標，能夠很方便地幫助咱們實現人臉對齊、融合等應用，先看一下用 dlib 勾勒出來的效果

Snipaste_2020-06-02_14-48-24.png

與人臉識別不同的是，這里須要加上一個形狀檢測器，形狀檢測器這里須要官網提供的文件、里面放置已經訓練好的權重信息，能夠直接使用，上面功能實現代碼以下：

import?dlib

import?os

import?cv2

predictor_path??=?"E:/shape_predictor_68_face_landmarks.dat"#權重文件路徑

png_path?=?"E:/ceshi.png"

detector?=?dlib.get_frontal_face_detector()

#相撞

predicator?=?dlib.shape_predictor(predictor_path)

win?=?dlib.image_window()

img?=??dlib.load_rgb_image(png_path)

win.clear_overlay()

win.set_image(img1)

for?k,d?in?enumerate(dets):

print("Detection?{}??left:{}??Top:?{}?Right?{}??Bottom?{}".format(

k,d.left(),d.top(),d.right(),d.bottom()

shape?=?predicator(img,d)

#Get?the?landmarks/parts?for?face?in?box?d

print("Part 0：{}，Part 1 :{}".format(shape.part(0),shape.part(1)))

win.add_overlay(shape)

win.add_overlay(dets)

dlib.hit_enter_to_continue()

坐標點的獲取能夠經過 part(index) 函數獲取

上面的坐標點，也能夠經過 OpenCV 在原圖上勾勒出來，并注釋上文字，效果以下：

Snipaste_2020-06-02_15-02-38.png

附上完整代碼：

import?dlib

import?os

import?cv2

predictor_path??=?"E:/shape_predictor_68_face_landmarks.dat"

png_path?=?"E:/ceshi.png"

detector?=?dlib.get_frontal_face_detector()

#相撞

predicator?=?dlib.shape_predictor(predictor_path)

win?=?dlib.image_window()

img1?=?cv2.imread(png_path)

dets?=?detector(img1,1)

print("Number?of?faces?detected?:?{}".format(len(dets)))

for?k,d?in?enumerate(dets):

print("Detection?{}??left:{}??Top:?{}?Right?{}??Bottom?{}".format(

k,d.left(),d.top(),d.right(),d.bottom()

))

lanmarks?=?[[p.x,p.y]?for?p?in?predicator(img1,d).parts()]

for?idx,point?in?enumerate(lanmarks):

point?=?(point[0],point[1])

cv2.circle(img1,point,5,color=(0,0,255))

font?=?cv2.FONT_HERSHEY_COMPLEX_SMALL

cv2.putText(img1,str(idx),point,font,0.5,(0,255,0),1,cv2.LINE_AA)

#對標記點進行遞歸；

cv2.namedWindow("img",cv2.WINDOW_NORMAL)

cv2.imshow("img",img1)

cv2.waitKey(0)

4，小總結

以上就是對 dlib 程序包的簡單介紹，在人臉識別應用方面上 dlib 的表現至關不錯的，有興趣的同窗能夠去官網看關于 dlib 的詳細介紹，本身閑余時間動手跟著敲一下。

下篇文章將介紹利用 OpenCV 實現人臉融合技術，里面會用到本篇提到的人臉 68 個特征點坐標，算是本篇文章的延申，感興趣的小伙伴能夠提早關注一波。

文中提到的權重文件獲取方式，在公眾號后臺回復關鍵字：dlib ?便可獲取

參考連接:

1，http://dlib.net/face_landmark_detection.py.html

2，https://blog.csdn.net/qq_39438636/article/details/79304130

3，http://dlib.net/

總結

以上是生活随笔為你收集整理的python 人脸轮廓提取_实现人脸识别、人脸68个特征点提取，或许这个 Python 库能帮到你！...的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。