使用Dlib库实现人脸检测和关键点定位

目录

前言

一、安装Dlib库

二、人脸检测

三、人脸关键点定位


前言

Dlib是一个现代化的 C++ 工具包,提供了一些机器学习算法和工具,特别是在面部识别和人脸关键点检测方面非常流行。它具有易于使用的 Python 接口,并被广泛应用于计算机视觉项目中。

一、安装Dlib库

  1. 在这里提供了几个python版本的dlib库文件
  2. 下载dlib库的安装包,
  3. 在安装包所在文件夹输入cmd进入命令提示符
  4. 使用pip进行安装

Dlib库安装文件

二、人脸检测

  1. 使用dlib.get_frontal_face_detector() 创建人脸检测器
  2. 导入图片,传入检测器,返回检测到的所有人脸框
  3. 遍历每个人脸框,获取四个边的坐标,拼成左上角和右下角坐标
  4. 然后画出每个人脸的矩形框
python 复制代码
import cv2
import dlib

detector = dlib.get_frontal_face_detector()  # 创建人脸检测器
img = cv2.imread('quanjiafu1.jpg')
img = cv2.resize(img, None, fx=0.3, fy=0.3)

faces = detector(img, 2)
# faces = detector(image,n)使用人脸检测器返回检测到的人脸
# 参数:image:待检测的可能含有人脸的图像。
# 参数n:表示采用上采样的次数。上采样会让图像变大,能够检测到更多人脸对象,提高小人脸的检测效果#通常建议将此参数设置为0 或1。较大的值会增加检测的准确性,但会降低处理速度。
# 返回值faces:返回检测图像中的所有人脸。

for face in faces:  # 对每个人脸框进行逐个处理
    x1 = face.left()
    y1 = face.top()
    x2 = face.right()
    y2 = face.bottom()

    cv2.rectangle(img, (x1, y1), (x2, y2), (0, 255, 0), 2)
cv2.imshow('result', img)
cv2.waitKey(0)
cv2.destroyAllWindows()

输出:

三、人脸关键点定位

  1. 下载人脸68个关键点的模型 人脸68关键点定位模型
  2. 使用dlib.shape_predictor()载入模型
  3. 使用模型检测人脸的关键点
  4. 使用.parts()属性获取关键点的x,y的坐标
  5. 然后在图片上画出关键点,并写出关键点的序号
python 复制代码
import cv2
import dlib
import numpy as np

img = cv2.imread('xzq.png')
img = cv2.resize(img, None, fx=1.3, fy=1.3)

detector = dlib.get_frontal_face_detector()  # 构造人脸检测器
faces = detector(img, 0)  # 检测人脸
print(faces)  # 人脸轮廓矩形的四个顶点
# dlib.shape_predictor 载入模型
predictor = dlib.shape_predictor('shape_predictor_68_face_landmarks.dat')

for face in faces:
    shape = predictor(img, face)  # 获取关键点
    landmarks = np.array([[p.x, p.y] for p in shape.parts()])  # 将关键点转换成坐标形式
    for idx, point in enumerate(landmarks):  # 绘制每一张脸的关键点
        pos = [point[0], point[1]]
        cv2.circle(img, pos, 2, color=(0, 255, 0), thickness=- 1)  # 给关键点标出来

        cv2.putText(img, str(idx), pos, cv2.FONT_HERSHEY_SIMPLEX, 0.4, (255, 255, 255), 1, cv2.LINE_AA)  # 给关键点标上序号

cv2.imshow('img', img)
cv2.waitKey(0)
cv2.destroyAllWindows()

输出:

相关推荐
LZXCyrus6 分钟前
【杂记】vLLM如何指定GPU单卡/多卡离线推理
人工智能·经验分享·python·深度学习·语言模型·llm·vllm
我感觉。23 分钟前
【机器学习chp4】特征工程
人工智能·机器学习·主成分分析·特征工程
YRr YRr32 分钟前
深度学习神经网络中的优化器的使用
人工智能·深度学习·神经网络
DieYoung_Alive32 分钟前
一篇文章了解机器学习(下)
人工智能·机器学习
夏沫的梦34 分钟前
生成式AI对产业的影响与冲击
人工智能·aigc
goomind1 小时前
YOLOv8实战木材缺陷识别
人工智能·yolo·目标检测·缺陷检测·pyqt5·木材缺陷识别
只怕自己不够好1 小时前
《OpenCV 图像基础操作全解析:从读取到像素处理与 ROI 应用》
人工智能·opencv·计算机视觉
幻风_huanfeng1 小时前
人工智能之数学基础:线性代数在人工智能中的地位
人工智能·深度学习·神经网络·线性代数·机器学习·自然语言处理
游走于计算机中摆烂的1 小时前
启动前后端分离项目笔记
java·vue.js·笔记
嵌入式大圣1 小时前
嵌入式系统与OpenCV
人工智能·opencv·计算机视觉