實現人臉識別、人臉68個特徵點提取，或許這個 Python 庫能幫到你！

之前寫過一篇關於實現人臉識別的文，裏面用到的技術是通過調用百度 API 實現的，本次將藉助於 dlib 程序包實現人臉區域檢測、特徵點提取等功能，

dlib 封裝了許多優秀的機器學習算法， 可實現人臉識別、檢測、識別，視頻目標追逐等功能，是由由 C++開發的一個開源程序庫，目前也提供了 Python 接口，可供我們直接調用。

1，dilb 安裝

dlib 程序包的安裝方式也是用 pip 來進行安裝的，但不同於其它程序包的是，在輸入

pip install dlib

之前，需要安裝 Cmake 程序包，該工具主要是對 dlib 進行編譯，安裝命令與其他包類似

pip install Cmake

2，實現人臉識別

利用 dlib 實現人臉識別功能時，先定義一個檢測器和一個 圖片預覽窗口：

detector = dlib.get_frontal_face_detector()
win = win = dlib.image_window()

之後利用 load_rgb_image() 函數讀取圖像：

img = dlib.load_rgb_image(f)

接下來進行核心功能人臉檢測的實現，這裏需要藉助於上面定義得到的檢測器

dets,score,idx = detector.run(img,1，-1)

img 就是我們讀取後的圖像，第二個參數 1 代表的是圖片上採樣倍數，值越大，最終識別得到的結果越好，-1 代表的是調整分割閾值，負值表示將返回更多檢測結果

返回的 dets 返回的是一個人臉區域矩形，分別表示左，上、右、下邊界，是 tuple 形式，如果檢測出一個人臉，則爲一個 tuple, 如果是多個人臉，將會把多個 tuple 放置在一個列表中；有個這個矩形座標就可以做以下事情：

• 人臉區域裁剪，進行區域提取；
• 人臉區域線條標記

score 表示的是人臉識結果檢測概率，越大代表識別出來的結果越好；如果一幅圖有多個人臉，則返回多個檢測概率以列表形式儲存；idx 是用於在一副圖檢測出多個人臉是用的索引，可以對其進行索引

win.clear_overlay()
win.set_image(img)
win.add_overlay(dets)
dlib.hit_enter_to_continue

最後我們利用 前面定義的 win 窗口，進行圖像預覽，結果如下，

[外鏈圖片轉存失敗,源站可能有防盜鏈機制,建議將圖片保存下來直接上傳(img-E4pA5Rde-1591402426849)(C:\Users\張夢飛\Desktop\007wRTdIgy1gfd7xheptfj30ry0qeb29.jpg)]

當然也可以用 OpenCV 進行輪廓勾勒，OpenCV 勾勒結果如下( 有色差的原因是OpenCV 讀取的是 BGR 通道順序 )；

3，dlib 提取人臉68個特徵點

OpenCV 也可以用於人臉識別，但效果不如 dlib ，除了上面提到的線框檢測之外，dlib 還可以直接提取人臉上的 68 個特徵點，作爲座標形式來返回；

有了這 68 個特徵點的座標，可以很方便地幫助我們實現人臉對齊、融合等應用，先看一下用 dlib 勾勒出來的效果

與人臉識別不一樣的是，這裏需要加上一個形狀檢測器，形狀檢測器這裏需要官網提供的文件、裏面放置已經訓練好的權重信息，可以直接使用，上面功能實現代碼如下：

import dlib
import os
import cv2

predictor_path  = "E:/shape_predictor_68_face_landmarks.dat"#權重文件路徑
png_path = "E:/ceshi.png"

detector = dlib.get_frontal_face_detector()
#相撞
predicator = dlib.shape_predictor(predictor_path)
win = dlib.image_window()
img =  dlib.load_rgb_image(png_path)
win.clear_overlay()
win.set_image(img1)

for k,d in enumerate(dets):
    print("Detection {}  left:{}  Top: {} Right {}  Bottom {}".format(
        k,d.left(),d.top(),d.right(),d.bottom()
    shape = predicator(img,d)
    #Get the landmarks/parts for face in box d
    print("Part 0：{}，Part 1 :{}".format(shape.part(0),shape.part(1)))
    win.add_overlay(shape)

win.add_overlay(dets)
dlib.hit_enter_to_continue()

座標點的獲取可以通過 part(index) 函數獲取

上面的座標點，也可以通過 OpenCV 在原圖上勾勒出來，並註釋上文字，效果如下：

附上完整代碼：

import dlib
import os
import cv2


predictor_path  = "E:/shape_predictor_68_face_landmarks.dat"
png_path = "E:/ceshi.png"


detector = dlib.get_frontal_face_detector()
#相撞
predicator = dlib.shape_predictor(predictor_path)
win = dlib.image_window()
img1 = cv2.imread(png_path)

dets = detector(img1,1)
print("Number of faces detected : {}".format(len(dets)))
for k,d in enumerate(dets):
    print("Detection {}  left:{}  Top: {} Right {}  Bottom {}".format(
        k,d.left(),d.top(),d.right(),d.bottom()
    ))
    lanmarks = [[p.x,p.y] for p in predicator(img1,d).parts()]
    for idx,point in enumerate(lanmarks):
        point = (point[0],point[1])
        cv2.circle(img1,point,5,color=(0,0,255))
        font = cv2.FONT_HERSHEY_COMPLEX_SMALL
        cv2.putText(img1,str(idx),point,font,0.5,(0,255,0),1,cv2.LINE_AA)
        #對標記點進行遞歸；

cv2.namedWindow("img",cv2.WINDOW_NORMAL)
cv2.imshow("img",img1)
cv2.waitKey(0)

4，小總結

以上就是對 dlib 程序包的簡單介紹，在人臉識別應用方面上 dlib 的表現相當不錯的，有興趣的同學可以去官網看關於 dlib 的詳細介紹，自己閒餘時間動手跟着敲一下。

下篇文章將介紹利用 OpenCV 實現人臉融合技術，裏面會用到本篇提到的人臉 68 個特徵點座標，算是本篇文章的延申，感興趣的小夥伴可以提前關注一波。

文中提到的權重文件獲取方式，在公衆號:Z先生點記後臺回覆關鍵字：dlib 即可獲取

參考鏈接:

1，http://dlib.net/face_landmark_detection.py.html

2，https://blog.csdn.net/qq_39438636/article/details/79304130

3，http://dlib.net/