人脸识别之Python DLib库进行人脸关键点识别

一、首先安装DLib模块

这里只介绍linux安装的过程，windows安装过程请自行百度

1、首先，安装dlib、skimage前；先安装libboost

1	sudo apt-get install libboost-python-dev cmake

接下来到dlib官网dlib.net下载最新的dlib版本（我下的是dlib-19.7），进入文件所在目录解压

1 2	bzip2 -d dlib-19.7.tar.bz2 tar xvf dlib-19.7.tar

这是一个二级解压过程，解压得到文件dlib-19.7，进入该目录下，执行如下命令安装dlib

1	python setup.py install

安装完成后，切换到python，键入import dlib，无异常提示表明安装成功！ 
接着安装skimage

1	sudo apt-get install python-skimage

二、人脸检测

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17

import sys import dlib from skimage import io   detector = dlib.get_frontal_face_detector() window = dlib.image_window()  img = io.imread("1.jpg")   dets = detector(img, 1)  print("Number of faces detected: {}".format(len(dets))) for i, d in enumerate(dets):     print("Detection {}: Left: {} Top: {} Right: {} Bottom: {}".format(i, d.left(), d.top(), d.right(), d.bottom()))   window.clear_overlay() window.set_image(img) window.add_overlay(dets) dlib.hit_enter_to_continue()

首先调用dlib.get_frontal_face_detector() 来加载dlib自带的人脸检测器 
dets = detector(img, 1)将检测器应用在输入图片上，结果返回给dets（参数1表示对图片进行上采样一次，有利于检测到更多的人脸）; 
dets的个数即为检测到的人脸的个数; 
遍历dets可以获取到检测到的每个人脸四个坐标极值。 
为了框出检测到的人脸，用dlib.image_window()来加载显示窗口，window.set_image(img)先将图片显示到窗口上，再利用window.add_overlay(dets)来绘制检测到的人脸框; 
dlib.hit_enter_to_continue()用于等待点击（类似于opencv的cv2.waitKey(0)，不加这个会出现闪退）。 
检测结果如下图： 

三、关键点的提取

实现关键点描述需要用到用于特征提取的官方模型，下载地址如下： 
http://sourceforge.net/projects/dclib/files/dlib/v18.10/shape_predictor_68_face_landmarks.dat.bz2

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37

# -*- coding: utf-8 -*-   import dlib import numpy from skimage import io import cv2   predictor_path = "../data/shape_predictor_68_face_landmarks.dat" faces_path = "1.jpg"   '''加载人脸检测器、加载官方提供的模型构建特征提取器''' detector = dlib.get_frontal_face_detector() predictor = dlib.shape_predictor(predictor_path)   win = dlib.image_window() img = io.imread(faces_path)   win.clear_overlay() win.set_image(img)   dets = detector(img, 1) print("Number of faces detected: {}".format(len(dets)))   for k, d in enumerate(dets):     shape = predictor(img, d)     landmark = numpy.matrix([[p.x, p.y] for p in shape.parts()])     print("face_landmark:")     print (landmark)  # 打印关键点矩阵     win.add_overlay(shape)  #绘制特征点     for idx, point in enumerate(landmark):         pos = (point[0, 0], point[0, 1])         cv2.putText(img, str(idx), pos, fontFace=cv2.FONT_HERSHEY_SCRIPT_SIMPLEX,                     fontScale=0.3, color=(0, 255, 0))         # cv2.circle(img, pos, 3, color=(0, 255, 0))     win.set_image(img)   dlib.hit_enter_to_continue()

首先通过dlib.shape_predictor(predictor_path)从路径中加载模型，返回的predictor就是特征提取器 

对dets遍历，用predictor(img, d)计算检测到的每张人脸的关键点; 
获取每个关键点坐标shape.parts()的x,y值，存入landmark矩阵（模型默认提取68个关键点，所以landmark为68×2矩阵）。 
关键点提取结果如下： 

源码获取方式，关注公总号RaoRao1994，查看往期精彩-所有文章，即可获取资源下载链接

更多资源获取，请关注公总号RaoRao1994