基于Dlib库的人脸68个特征点检测（完整代码与原理）

基于Dlib库的人脸68个特征点 检测

1. 利用dlib.get_frontal_face_detector()获取人脸框
2. 利用dlib.shape_predictor(‘shape_predictor_68_face_landmarks.dat’)获取人脸68个特征点

代码 ：

import numpy as np
import cv2
import dlib


detector = dlib.get_frontal_face_detector()  #获取人脸分类器
predictor = dlib.shape_predictor('shape_predictor_68_face_landmarks.dat')#获取人脸检测器
# shape_predictor_68_face_landmarks.dat是进行人脸标定的模型，它是基于HOG特征的

# cv2读取图像
img = cv2.imread("C:/Users/myJupyter/pic/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()])
    # 这个函数predictor(img, rect[i]).parts()寻找人脸的68个标定点
    # print(landmarks)#landmarks 是一个二维数组
    for idx, point in enumerate(landmarks):
        # 68点的坐标
        # print (point)#point 是一个二维数组
        pos = (point[0, 0], point[0, 1])
        print(idx,pos)

        # 利用cv2.circle给每个特征点画一个圈，共68个
        cv2.circle(img, pos, 3, color=(0, 255, 0),thickness=-1)
        # 利用cv2.putText输出1-68
        font = cv2.FONT_HERSHEY_SIMPLEX
        cv2.putText(img, str(idx+1), pos, font, 0.4, (0, 0, 255), 1,cv2.LINE_AA)
        # 图像，文字内容， 坐标 ，字体，大小，颜色，字体厚度

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

• 函数dlib.get_frontal_face_detector() 查看：https://blog.csdn.net/Galen_xia/article/details/102823362
• dlib.shape_predictor(‘shape_predictor_68_face_landmarks.dat’) 查看：https://blog.csdn.net/weixin_44493841/article/details/93503934
• cv2.circle(img, center, radius, color, thickness, lineType=8, shift=0)#img：原图，center：圆圈的中心坐标；radius：圆圈的半径；color:圆圈的颜色；thickness：圆形轮廓的粗细（如果为正），负厚度表示要绘制实心圆；lineType： 圆边界的类型；
  
      shift：中心坐标和半径值中的小数位数。

效果展示：

免责声明：本文系网络转载或改编，未找到原创作者，版权归原作者所有。如涉及版权，请联系删