python人脸识别表情检测器（3）： 特征值提取

全民制作人大家好，我是练习时长两年半的程序爱好者，，喜欢吃，喝，拉，撒。music~

原理介绍

表情检测器，看的是什么，不就是脸上数值的一些变化吗？比如说，我一看你，嘴巴咧开，在大喊着什么，我就知道你要说奥力给！了。 呵呵。开个玩笑，不过大致就是这个意思。总之，原理就是记下关于脸上器官的数据。接下来就是实际演示了啊~

实践方法

还记得我们上一篇文章有一个语句就是介个

shape=self.predictor(im_rd,d)

这个就是记录下来68点的坐标值，嘿！有一个值把这些记录下来，不就好多了吗？诶呀，那我们就做一个简单的程序吧。一直我们有一个程序是这个亚子的

import cv2
import dlib
import numpy
from sklearn import svm

class Face_Learn():
    def __init__(self):
        self.detector=dlib.get_frontal_face_detector()#加载dlib检测器
        self.predictor=dlib.shape_predictor("lian xi shi chang liang nian ban")#自己加载地址
        self.cap=cv2.VideoCapture(0)#连接摄像头
        self.cap.set(10,0)

    def test(self):
        while(self.cap.isOpened):
            flag, im_rd = self.cap.read()#获取图像
            k = cv2.waitKey(1)#一毫秒的延迟
            img_gray = cv2.cvtColor(im_rd, cv2.COLOR_RGB2GRAY)#取图像灰度
            dets=self.detector(img_gray,0)#检测是否有脸
            font = cv2.FONT_HERSHEY_SIMPLEX#加载显示要用的字体
            if (len(dets))!=0:#如果有脸
                for i in range(len(dets)):#对每一个脸挨个的处理
                    for k, d in enumerate(dets):#获取脸的特征值
                        cv2.rectangle(im_rd, (d.left(), d.top()), (d.right(), d.bottom()), (0, 0, 255))#框出人脸
                        shape = self.predictor(im_rd, d)#获取脸68点的坐标值
                        for i in range(68):
                            cv2.circle(im_rd, (shape.part(i).x, shape.part(i).y), 2, (0, 255, 0), -1, 8)#用圆圈分布在68点上
                            cv2.putText(im_rd, str(i), (shape.part(i).x, shape.part(i).y), cv2.FONT_HERSHEY_SIMPLEX, 0.5,
                                       (255, 255, 255))#将数字分布在68点
                cv2.imshow("camera",im_rd)#显示出图像   
if __name__ == "__main__":
    face=Face_Learn()
    face.test()

那我们就需要加一些东西了，首先要了解的东西是人脸的68点

图片来源：https://cloud.tencent.com/developer/news/261403
如果我们想知道嘴巴的宽度，需要加一些什么呢？首先我们知道要获取横向的，所以肯定是什么x, 这里就要交大家一个函数，那就是shape.part(), 可以直接获取各个点的
坐标值。那么看好了，骚操作又来辣！

mouth_width=shape.part(54).x-shape.part(48).x

这个就是求出横向的数值。那一张图像理解就是

这个就是图片形式的，想必以及比较清楚了。那么基础的东西就已经讲完了，接下来的话，就是通过提取眉毛，嘴巴宽度，嘴巴高度，眉毛之间的距离来判断表情。把这个程序放进我们的总程序就变成了

import cv2
import dlib
import numpy
from sklearn import svm

class Face_Learn():
    def __init__(self):
        self.detector=dlib.get_frontal_face_detector()#加载dlib检测器
        self.predictor=dlib.shape_predictor("f:\\shape_predictor_68_face_landmarks.dat")#自己加载地址
        self.cap=cv2.VideoCapture(0)#连接摄像头
        self.cap.set(10,0)

    def test(self):
        while(self.cap.isOpened):
            flag, im_rd = self.cap.read()#获取图像
            k = cv2.waitKey(1)#一毫秒的延迟
            img_gray = cv2.cvtColor(im_rd, cv2.COLOR_RGB2GRAY)#取图像灰度
            dets=self.detector(img_gray,0)#检测是否有脸
            font = cv2.FONT_HERSHEY_SIMPLEX#加载显示要用的字体
            if (len(dets))!=0:#如果有脸
                for i in range(len(dets)):#对每一个脸挨个的处理
                    for k, d in enumerate(dets):#获取脸的特征值
                        cv2.rectangle(im_rd, (d.left(), d.top()), (d.right(), d.bottom()), (0, 0, 255))#框出人脸
                        shape = self.predictor(im_rd, d)#获取脸68点的坐标值
                        for i in range(68):
                            cv2.circle(im_rd, (shape.part(i).x, shape.part(i).y), 2, (0, 255, 0), -1, 8)#用圆圈分布在68点上
                            cv2.putText(im_rd, str(i), (shape.part(i).x, shape.part(i).y), cv2.FONT_HERSHEY_SIMPLEX, 0.5,
                                       (255, 255, 255))#将数字分布在68点
                        mouth_width=shape.part(54).x-shape.part(48).x
                cv2.imshow("camera",im_rd)#显示出图像   
if __name__ == "__main__":
    face=Face_Learn()
    face.test()

那么，在循环的时候就会不断地计算嘴巴的宽度。那么也连带着计算所有其他的特征值。写完之后整个代码后长这样。

import cv2
import dlib
import numpy
from sklearn import svm

class Face_Learn():
    def __init__(self):
        self.detector=dlib.get_frontal_face_detector()#加载dlib检测器
        self.predictor=dlib.shape_predictor("f:\\shape_predictor_68_face_landmarks.dat")#自己加载地址
        self.cap=cv2.VideoCapture(0)#连接摄像头
        self.cap.set(10,0)

    def test(self):
        while(self.cap.isOpened):
            flag, im_rd = self.cap.read()#获取图像
            k = cv2.waitKey(1)#一毫秒的延迟
            img_gray = cv2.cvtColor(im_rd, cv2.COLOR_RGB2GRAY)#取图像灰度
            dets=self.detector(img_gray,0)#检测是否有脸
            font = cv2.FONT_HERSHEY_SIMPLEX#加载显示要用的字体
            if (len(dets))!=0:#如果有脸
                for i in range(len(dets)):#对每一个脸挨个的处理
                    for k, d in enumerate(dets):#获取脸的特征值
                        cv2.rectangle(im_rd, (d.left(), d.top()), (d.right(), d.bottom()), (0, 0, 255))#框出人脸
                        shape = self.predictor(im_rd, d)#获取脸68点的坐标值
                        for i in range(68):
                            cv2.circle(im_rd, (shape.part(i).x, shape.part(i).y), 2, (0, 255, 0), -1, 8)#用圆圈分布在68点上
                            cv2.putText(im_rd, str(i), (shape.part(i).x, shape.part(i).y), cv2.FONT_HERSHEY_SIMPLEX, 0.5,
                                       (255, 255, 255))#将数字分布在68点
                        mouth_width=shape.part(54).x-shape.part(48).x
                        mouth_height=shape.part(57).y-shape.part(51).y
                        brow_dis=shape.part(22).x-shape.part(21).x
                cv2.imshow("camera",im_rd)#显示出图像   
if __name__ == "__main__":
    face=Face_Learn()
    face.test()

整个这些东西都是提取特征值，在介绍玩算法后，即将介绍更多的特征值，目前这些只是一部分比较标志性的特征值。
好了，特征值提取部分就到这里了。下一期就是介绍算法了，拜拜
ヾ(•ω•`)o