前言

imutils 这个图像处理工具包，除了简化 opencv 的一些操作之外，还有专门配合 dlib 处理人脸数据的工具 face_utils。dlib 提取人脸数据后，五官都是用一些特征点来表示的，每个部位的点的索引是固定的，想要进一步操作就得对这些点进行处理，而 face_utils 就是简化这些点的表现方式：

dlib 提取人脸特征点是用 68 个点包围每个部位，如上图，例如第 37 个点到第 42 个点就代表右眼，在图片上这几个点若显示出来就是把右眼那块区域包围着，可以通过这些点之间距离的变化来判断人脸的变化，比如是否眨眼等操作

一、背景

（1）环境搭建

题主使用的环境配置:python3.9.13+cuda11.3+anaconda3

pip install dlib

其中 dlib下载方法（本文仅提供py3.9版本下载）

首先安装

pip install cmake

pip install boost

下载dlib-19.23.0-cp39-cp39-win_amd64.whl

下载后在对应文件夹下执行（这个如果不清楚剋以私聊）

pip install dlib-19.23.0-cp39-cp39-win_amd64.whl

其他版本dlib中下载

（2）下载开源数据集

shape_predictor_68_face_landmarks.dat

二、具体实现

（1）图片检测

import dlib
import cv2# 与人脸检测相同，使用dlib自带的frontal_face_detector作为人脸检测器
detector = dlib.get_frontal_face_detector()# 使用官方提供的模型构建特征提取器
predictor = dlib.shape_predictor('E:data/shape_predictor_68_face_landmarks.dat')
# cv2读取图片
img = cv2.imread("E:data/jujingyi.jpg")
cv2.imshow('img2', img)# 与人脸检测程序相同,使用detector进行人脸检测 dets为返回的结果
dets = detector(img, 1)# 使用enumerate 函数遍历序列中的元素以及它们的下标
# 下标k即为人脸序号
# left：人脸左边距离图片左边界的距离 ；right：人脸右边距离图片左边界的距离
# top：人脸上边距离图片上边界的距离 ；bottom：人脸下边距离图片上边界的距离
for k, d in enumerate(dets):print("dets{}".format(d))print("Detection {}: Left: {} Top: {} Right: {} Bottom: {}".format(k, d.left(), d.top(), d.right(), d.bottom()))# 使用predictor进行人脸关键点识别 shape为返回的结果shape = predictor(img, d)# 获取第一个和第二个点的坐标（相对于图片而不是框出来的人脸）print("Part 0: {}, Part 1: {} ...".format(shape.part(0), shape.part(1)))# 绘制特征点for index, pt in enumerate(shape.parts()):print('Part {}: {}'.format(index, pt))pt_pos = (pt.x, pt.y)cv2.circle(img, pt_pos, 1, (255, 0, 0), 2)# 利用cv2.putText输出1-68font = cv2.FONT_HERSHEY_SIMPLEXcv2.putText(img, str(index + 1), pt_pos, font, 0.3, (0, 0, 255), 1, cv2.LINE_AA)cv2.imshow('img', img)
k = cv2.waitKey()
cv2.destroyAllWindows()

效果展示：

接下来我们将代码稍作修改，改为检测视频

mport cv2
import dlibpredictor_path = "E:data/shape_predictor_68_face_landmarks.dat"# 初始化
predictor = dlib.shape_predictor(predictor_path)# 初始化dlib人脸检测器
detector = dlib.get_frontal_face_detector()# 初始化窗口
win = dlib.image_window()# cap = cv2.VideoCapture('H:/2.mp4')
cap = cv2.VideoCapture(0)
# cap = cv2.VideoCapture(0)
while cap.isOpened():ok, cv_img = cap.read()if not ok:breakimg = cv2.cvtColor(cv_img, cv2.COLOR_RGB2BGR)  # 转灰dets = detector(img, 0)shapes = []for k, d in enumerate(dets):print("dets{}".format(d))print("Detection {}: Left: {} Top: {} Right: {} Bottom: {}".format(k, d.left(), d.top(), d.right(), d.bottom()))# 使用predictor进行人脸关键点识别 shape为返回的结果shape = predictor(img, d)# shapes.append(shape)# 绘制特征点for index, pt in enumerate(shape.parts()):print('Part {}: {}'.format(index, pt))pt_pos = (pt.x, pt.y)cv2.circle(img, pt_pos, 1, (0, 225, 0), 2)# 利用cv2.putText输出1-68font = cv2.FONT_HERSHEY_SIMPLEXcv2.putText(img, str(index + 1), pt_pos, font, 0.3, (0, 0, 255), 1, cv2.LINE_AA)win.clear_overlay()win.set_image(img)if len(shapes) != 0:for i in range(len(shapes)):win.add_overlay(shapes[i])# win.add_overlay(dets)cap.release()

效果展示：

如果需要检测视频，只需要将

cap = cv2.VideoCapture(0)

括号里的0 改为视频路径即可

基于 dlib 的人脸检测（68关键点）相关推荐

基于dlib进行人脸检测
1.dlib的基本概念 1. Dlib是一个深度学习开源工具,基于C++开发,也支持Python开发接口. 2. 由于Dlib对于人脸特征提取支持很好,有很多训练好的人脸特征提取模型供开发者使用,所以 ...
基于opencv的人脸检测（图片、视频、摄像头）
提示:文章写完后,目录可以自动生成,如何生成可参考右边的帮助文档目录前言一.检测图片中的人脸二.检测视频与摄像头中的人脸总结前言人脸检测识别一直是个热门的研究问题,同时也是opencv中 ...
《数字图像处理》dlib人脸检测获取关键点，delaunay三角划分，实现人脸的几何变换warpping,接着实现两幅人脸图像之间的渐变合成morphing
这学期在上<数字图像处理>这门课程,老师布置了几个大作业,自己和同学一起讨论完成后,感觉还挺有意思的,就想着把这个作业整理一下 : 目录 1.实验任务和要求 2.实验原理 3.实验代码 3 ...
基于Dlib的疲劳检测系统
需要源码的朋友可以私信我基于Dlib的疲劳检测系统 1.设计背景及要求 2.系统分析 3.系统设计 3.1功能结构图 3.2基于EAR.MAR和HPE算法的疲劳检测 3.2.1基于EAR算法的眨眼检 ...
Opencv项目实战：基于dlib的疲劳检测
文章目录一.项目简介二.算法原理三.环境配置 3.1.dlib人脸检测器:dlib.get_frontal_face_detector() 3.2.dlib关键点定位工具:shape_predi ...
人脸检测，关键点识别，人脸对齐
import cv2 import dlib import numpy as np import math PREDICTOR_PATH = "E:/Testcomptition/shape ...
【Dlib】人脸检测、特征点检测、人脸对齐、人脸识别
本文是利用dlib库,进行人脸检测.特征点检测.人脸对齐.所有前提是假设已经安装了dlib. 参考链接: 1.http://developer.51cto.com/art/201801/564529. ...
python人脸识别毕业设计-Python基于Dlib的人脸识别系统的实现
之前已经介绍过人脸识别的基础概念,以及基于opencv的实现方式,今天,我们使用dlib来提取128维的人脸嵌入,并使用k临近值方法来实现人脸识别. 人脸识别系统的实现流程与之前是一样的,只是这里我们 ...
工程详细记录：超准确人脸检测(带关键点)YOLO5Face C++
点击上方"计算机视觉工坊",选择"星标" 干货第一时间送达作者丨DefTruth 编辑丨极市平台导读本文主要记录一下YOLO5Face C++工程相关的问 ...

基于 dlib 的人脸检测（68关键点）

文章目

前言

一、背景

（1）环境搭建

（2）下载开源数据集

二、具体实现

效果展示：

效果展示：

基于 dlib 的人脸检测（68关键点）相关推荐

最新文章

热门文章