原图像中的68个关键点是怎么获取_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

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

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

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

sudo apt-get install python-skimage

二、人脸检测

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

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：