深度学习工程实践 4. 使用DLib进行人脸分割并矢量化

本文链接：https://blog.youkuaiyun.com/cp562090732/article/details/100172044

本文介绍了如何利用DLib库进行人脸分割，将眉毛、眼睛、鼻子和嘴巴等部位保存为独立图片，并详细阐述了从特征点到矢量数据的转换和平滑处理过程，以实现更精细的人脸处理。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

深度学习工程实践 4. 使用DLib进行人脸分割并矢量化

1. 概述
2. 目标
3. 工程实践
4. 总结

1. 概述

大部分对人脸进行精细化处理的系统，都首先要讲人脸的数据分割出来。这是一个非常基础的工作。我们要实现的功能，也有很多的部分基于此处DLib的人脸分割算法。

2. 目标

使用DLib将人脸图片进行分割，分别保存眉毛，眼睛，鼻子，嘴巴为单独的图片
将提取的点转换为矢量，并且进行平滑处理

3. 工程实践

3.1 进行分割

首先，我们看一下基于Dlib的人脸特征数据顺序:
人脸特征点顺序

void put_keypoint(std::vector<full_object_detection> shapes,std::vector<cv::Point> & key_points,int start_index, int end_index)
{
	for(int i=start_index; i<end_index; i++)
	{
		key_points.push_back(cv::Point(shapes[0].part(i).x(), shapes[0].part(i).y()));
	}
}

fronta
l_face_detector detector = get_frontal_face_detector();
shape_predictor pose_model;
deserialize("shape_predictor_68_face_landmarks.dat") >> pose_model;
cv::Mat temp = cv::imread("test.jpg");
cv_image<bgr_pixel> cimg(temp);


// Detect faces
std::vector<dlib::rectangle> faces = detector(cimg);

// Find the pose of each face.
std::vector<full_object_detection> shapes;
for (unsigned long i = 0; i < faces.size(); ++i)
{
	shapes.push_back(pose_model(cimg, faces[i]));
}

cv::Size deltaSize( 20, 20);
cv::Point offset( deltaSize.width/2, deltaSize.height/2);

cv::Size deltaNoseSize( 20, 4);
cv::Point offset_nose( deltaNoseSize.width/2, deltaNoseSize.height/2);
if (!shapes.empty())
{
	std::vector<cv::Point> left_eyebrow;
	std::vector<cv::Point> right_eyebrow;
	std::vecto