Openface学习（一）：使用dlib探测人脸并与模板人脸对齐

最新推荐文章于 2025-06-02 09:15:48 发布

ColdCabbage

最新推荐文章于 2025-06-02 09:15:48 发布

阅读量4.3k

点赞数

CC 4.0 BY-SA版权

分类专栏：人脸识别文章标签： openface facenet dlib

本文链接：https://blog.youkuaiyun.com/weixin_39845112/article/details/80445579

本文介绍了如何使用Openface结合dlib库进行人脸检测，并通过预训练参数确定人脸标记点，利用opencv进行仿射变换实现人脸对齐，为后续人脸识别训练做准备。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

学习了开源人脸识别程序Openface的代码。Openface的思路是先将人脸从图像中提取出来，再通过FaceNet，即使用了triplet loss的神经网络将图像分类或者识别。

本篇文章的代码的作用是，使用dlib库将人脸探测、提取的方法集合成类，方便调用。

本篇文章的代码的思路是，在通用模板中的68个人脸标记点的基础上，使用dlib库以及预训练出的参数，确定输入图像的人脸标记点，再使用opencv的内置函数进行仿射变换，得到输出对齐的图像，以便下一步训练时使用。

# 使用dlib进行人脸切割，变换

import cv2
import dlib
import numpy as np

# 这是人脸的特征点，一共68个
TEMPLATE = np.float32([( , )... # 这里填数据 ])

# 下面将人脸的关键点标准化，即寻找人脸在最左侧的点和最上侧的点，作为图像的边缘，
# 其他点以这两个边缘为基准平移；最后除以（最右侧-最左侧）和（最下侧-最上侧）
# 使人脸的标准点均匀地分布在图形里，恰好不丢失特征，也无多余像素。
(TEM_MIN, TEM_MAX) = (np.min(TEMPLATE, axis = 0), np.max(TEMPLATE, axis = 0))
STANDARD_TEMPLATE = (TEMPLATE - TEM_MIN) / (TEM_MAX - TEM_MIN)

class AlignDlib():
    INNER_EYES_AND_BOTTOM_LIP = [39, 42, 57] # 用于仿射变换的