利用 Dlib 实现人脸 68个 特征点的标定(人脸表情识别)

利用 Dlib 实现人脸 68个 特征点的标定

  1. 利用 Dlib 官方训练好的模型 “shape_predictor_68_face_landmarks.dat” 进行 68 个点标定;

  2. 利用 OpenCv 进行图像化处理,在人脸上画出 68 个特征点,并标明特征点的序号;

  3. 实现的 68 个特征点标定功能如下图所示:

利用 Dlib 实现人脸 68个 特征点的标定(人脸表情识别)_第1张图片

# 对静态人脸图像文件进行68个特征点的标定

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 检测器和预测器
detector = dlib.get_frontal_face_detector()
predictor = dlib.shape_predictor("E2-Capsnet-master/shape_predictor_68_face_landmarks.dat")

# 读取图像文件
#img_rd = cv2.imread("E2-Capsnet-master/RAF/train/train_00089_aligned.jpg")
img_rd = cv2.imread("1.jpg")
img_gray = cv2.cvtColor(img_rd, cv2.COLOR_RGB2GRAY)
cv2.namedWindow("image", 0)
cv2.imshow("image", img_rd)
cv2.waitKey(0)
# 人脸数
faces = detector(img_gray, 0)

# 待会要写的字体
font = cv2.FONT_HERSHEY_SIMPLEX

# 标 68 个点
if len(faces) != 0:
    # 检测到人脸
    for i in range(len(faces)):
        # 取特征点坐标
        landmarks = np.matrix([[p.x, p.y] for p in predictor(img_rd, faces[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_rd, pos, 2, color=(139, 0, 0))
            # 利用 cv2.putText 写数字 1-68
            cv2.putText(img_rd, str(idx + 1), pos, font, 0.2, (187, 255, 255), 1, cv2.LINE_AA)

    cv2.putText(img_rd,"", (20, 50), font, 1, (0, 0, 0), 1, cv2.LINE_AA)
else:
    # 没有检测到人脸
    cv2.putText(img_rd,"", (20, 50), font, 1, (0, 0, 0), 1, cv2.LINE_AA)

# 窗口显示
# 参数取 0 可以拖动缩放窗口,为 1 不可以
# cv2.namedWindow("image", 0)

cv2.namedWindow("image", 0)
cv2.imshow("image", img_rd)
cv2.waitKey(0)

你可能感兴趣的:(深度学习)