利用dlib库（Python）实现实时（摄像头）人脸检测以及特征点标定（landmark)）

此实现是在Windows环境下，Python2.7，以及利用opencv实现的。在用ubuntu 16.04实现时，出现了opencv不能打开摄像头的问题，希望有了解这个问题的可以沟通一下。

Dlib库的官方介绍，第一次见到dlib感觉像发现了新大陆!

Dlib is a modern C++ toolkit containing machine learning algorithms and tools for creating complex software in C++ to solve real world problems.

具体代码如下：

# coding=utf-8
import cv2
import dlib


# landmark  dat
predictor_path = "shape_predictor_68_face_landmarks.dat"

# 初始化landmark
predictor = dlib.shape_predictor(predictor_path)

# 初始化dlib人脸检测器
detector = dlib.get_frontal_face_detector()

# 初始化显示窗口
win = dlib.image_window()

# opencv加载视频文件
#cap = cv2.VideoCapture('/home/ljx/ImageDatabase/WaterBar.mp4')
cap = cv2.VideoCapture(0)
if cap.isOpened():
    print "Unable to connect to camera !"

shape_predictor_68_face_landmarks.dat 是一个预处理后的数据文件,可用wget命令下载。
特征点的标定主要参考了论文

Kazemi V, Sullivan J. One millisecond face alignment with an ensemble of regression trees[C]//Computer Vision and Pattern Recognition (CVPR), 2014 IEEE Conference on. IEEE, 2014: 1867-1874

使用opencv读取摄像头时，一定要检查是否读到摄像头图像数据，一般，摄像头打开比较慢的话会读不到图像而报错。

接下来循环检测人脸以及特征点并显示在图像上，使用的都是dlib中的函数以及类。

while cap.isOpened():

    ret, cv_img = cap.read()
    if cv_img is None:
        break

    # RGB TO BGR
    img = cv2.cvtColor(cv_img, cv2.COLOR_RGB2BGR)

    dets = detector(img, 0)
    print("Number of faces detected: {}".format(len(dets)))
    shapes = []
    for i, d in enumerate(dets):
        print("Detection {}: Left: {} Top: {} Right: {} Bottom: {}".format(
            i, d.left(), d.top(), d.right(), d.bottom()))
        shape = predictor(img, d)
        shapes.append(shape)

# Draw the face landmarks on the screen.
    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()

opencv读取的图像一般为RGB格式的，而我们需要将其转换为BGR格式才能用dlib进行处理，dlib默认处理的图像格式是BGR格式。
shapes为列表，包含了所有的图像中出现的正脸的所有监测点。
对具体的Python API细节参考dilb官网。

参考：
1. 结合dlib与OpenCV的视频流人脸检测
2. Dlib提取人脸特征点（68点，opencv画图）