【Dlib人脸特征提取】2. 检测与绘制人脸特征点

【 1. 人脸特征点含义 】

在我们检测到人脸区域之后，接下来要研究的问题是获取到不同的脸部的特征，以区分不同人脸，即人脸特征检测(facial feature detection)。它也被称为人脸特征点检测( facial landmark detection )。

人脸特征点通常会标识出脸部的下列数个区域： 右眼眉毛(Right eyebrow) 左眼眉毛(Left eyebrow) 右眼(Right eye) 左眼(Left eye) 嘴巴(Mouth) 鼻子(Nose) 下巴(Jaw)

【 2. 人脸特征点检测 原理 】

检测人脸特征点，分为如下两步：

• 第一步：定位图像中人脸区域； 这一步我们可以使用之前学到过的 OpenCV中Harr检测器 或者 Dlib中HOG加SVM的检测器。
• 第二步：在人脸区域内检测出人脸关键特征； 对于第二步，我们使用Dlib中的特征点检测。

1. Dlib中使用的人脸特征检测的原理来自2014年，由Vahid Kazemi和 Josephine Sullivan在论文 《One Millisecond Face Alignment with an Ensemble of Regression Trees》中提出的人脸特征点评估的方法。
2. 论文中方法的主要思想是：使用级联回归树（ensemble of regression trees, ERT），即使用级联回归因子，基于梯度提高学习的回归树方法。该方法首先需要使用一系列标定好的人脸图片作为训练集，然后会生成一个模型。使机器学习模型能够找出任何脸上的这些特征点。

简要的分为以下三步： (1) 定义一张脸上的68个具体的特征点(landmarks)； (2) 标记面部特征点，获得带标记的训练数据。需要手动标记图像上的面部特征点，标签指定围绕每个面部结构的区域； (3) 给定训练数据，训练回归树的集合，直接从像素强度本身估计面部界标位置，得到模型。

【 3. Dlib人脸特征点模型 】

Dlib提供两种 人脸检测 模型：

• shape_predictor_5_face_landmarks.dat：
  
      检测5个人脸特征点，即双眼的眼头及眼尾以及鼻头这五个位置。
  
      因为只检测五个点，所以执行速度很快。
  
      如图：
  
• shape_predictor_68_face_landmarks.dat：
  
      检测68个人脸特征点。
  
      如图：
  

【 4. Dlib 检测人脸特征点 】

（1）利用Dlib的正向人脸检测器 get_frontal_face_detector()，进行人脸检测，提取人脸外部矩形框 ：

detector = dlib.get_frontal_face_detector()
faces = detector(image, 1)

返回的faces为识别出的脸部数组。

（2）利用训练好的人脸68点特征检测器，进行人脸面部轮廓特征提取：

链接：shape_predictor_68_face_landmarks.dat

   提取码：kuv2

predictor = dlib.shape_predictor("shape_predictor_68_face_landmarks.dat")
shape = predictor(image, face)

（3）示例：

import cv2
import dlib
# 读取图片
img_path = "picture.jpg"
img = cv2.imread(img_path)
# 转换为灰阶图片
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
# 正向人脸检测器将图像
detector = dlib.get_frontal_face_detector()
# 使用训练好的5个特征点模型
predictor_path = "shape_predictor_68_face_landmarks.dat"
predictor = dlib.shape_predictor(predictor_path)
# 使用检测器来检测图像中的人脸
faces = detector(gray, 1)
# 打印结果
print("人脸数: ", len(faces))
for i, face in enumerate(faces):
    print("第", i+1, "个人脸的矩形框坐标：\n","left:", face.left(), "right:", face.right(), "top:", face.top(), "bottom:", face.bottom())
    # 获取人脸特征点
    shape = predictor
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