0.引言
利用Dlib官方训练好的模型“shape_predictor_68_face_landmarks.dat”进行68点标定，利用OpenCv进行图像化处理，在人脸上画出68个点，并标明序号；
实现的68个特征点标定功能如下图所示：
图1 人脸68个特征点的标定
1.开发环境
python:3.6.3
dlib:19.7
OpenCv, numpy
需要调用的库：
import dlib #人脸识别的库dlib import numpy as np #数据处理的库numpy import cv2 #图像处理的库OpenCv
2.设计流程
工作内容主要以下两大块：68点标定和OpenCv绘点
68点标定：
借助官方的Demo（face_landmark_detection.py，在之前另一篇博客里面介绍过学习Python3 Dlib19.7进行人脸面部识别）实现；
OpenCv绘点：
介绍了用到的 画圆函数cv2.circle() 和 输出字符串函数 cv2.putText() ；
流程：
1.调用dlib库来进行人脸识别，调用预测器“shape_predictor_68_face_landmarks.dat”进行68点标定
2.存入68个点坐标
3.利用cv2.circle来画68个点
4.利用cv2.putText()函数来画数字1-68
3.源码
# 68-points
# 2017-12-28
# By TimeStamp
# #cnblogs: http://www.cnblogs.com/AdaminXie/
import dlib #人脸识别的库dlib
import numpy as np #数据处理的库numpy
import cv2 #图像处理的库OpenCv
# dlib预测器
detector = dlib.get_frontal_face_detector()
predictor = dlib.shape_predictor('shape_predictor_68_face_landmarks.dat')
path="********************"
# cv2读取图像
img=cv2.imread(path+"test.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()])
for idx, point in enumerate(landmarks):
# 68点的坐标
pos = (point[0, 0], point[0, 1])
# 利用cv2.circle给每个特征点画一个圈，共68个
cv2.circle(img, pos, 5, color=(0, 255, 0))
# 利用cv2.putText输出1-68
font = cv2.FONT_HERSHEY_SIMPLEX
cv2.putText(img, str(idx+1), pos, font, 0.8, (0, 0, 255), 1, cv2.LINE_AA)
cv2.namedWindow("img", 2)
cv2.imshow("img", img)
cv2.waitKey(0)
note：OpenCv的画图函数
1. 画圆 cv2.circle( img, (p1,p2), r, (255,255,255) )
参数1： img- 图片对象；
参数2： (p1,p2)- 圆心坐标；
参数3： r- 半径；
参数4： (255,255,255)- 颜色数组；
2. 输出字符 cv2.putText( img,"test", (p1,p2), font, 4, (255,255,255), 2, cv2, LINE_AA )
参数1： img- 图像对象；
参数2： "test"- 需要打印的字符text（数字的话可以利用str()转成字符）;
参数3： (p1,p2)- 坐标textOrg；
参数4： font- 字体fontFace（注意这里 font = cv2.FONT_HERSHEY_SIMPLEX）;
参数5： 4- 字号fontScale；
参数6： (255,255,255)- 颜色数组；
参数7： 2- 线宽thickness；
参数8： LINE_AA- 线条种类line_type；
*关于 颜色数组：
(255,255,255), (蓝色，绿色，红色)，每个值都是0-255；
比如：蓝色(255,0,0)，紫色(255,0,255)
可以调整cv2.circle()函数和cv2.putText()函数中的 半径、线宽 等参数使得输出满足需求方便查看；
结果：
图2 测试结果1
图3 测试结果2
以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持脚本之家。