做网站的收获,阿里云域名注册登录,南昌网站建设联系方式,wordpress 添加html链接后404目录
前言
一、安装Dlib库
二、人脸检测
三、人脸关键点定位 前言 Dlib是一个现代化的 C 工具包#xff0c;提供了一些机器学习算法和工具#xff0c;特别是在面部识别和人脸关键点检测方面非常流行。它具有易于使用的 Python 接口#xff0c;并被广泛应用于计算机视觉项…目录
前言
一、安装Dlib库
二、人脸检测
三、人脸关键点定位 前言 Dlib是一个现代化的 C 工具包提供了一些机器学习算法和工具特别是在面部识别和人脸关键点检测方面非常流行。它具有易于使用的 Python 接口并被广泛应用于计算机视觉项目中。 一、安装Dlib库
在这里提供了几个python版本的dlib库文件下载dlib库的安装包在安装包所在文件夹输入cmd进入命令提示符使用pip进行安装
Dlib库安装文件 二、人脸检测
使用dlib.get_frontal_face_detector() 创建人脸检测器导入图片传入检测器返回检测到的所有人脸框遍历每个人脸框获取四个边的坐标拼成左上角和右下角坐标然后画出每个人脸的矩形框
import cv2
import dlibdetector dlib.get_frontal_face_detector() # 创建人脸检测器
img cv2.imread(quanjiafu1.jpg)
img cv2.resize(img, None, fx0.3, fy0.3)faces detector(img, 2)
# faces detector(image,n)使用人脸检测器返回检测到的人脸
# 参数:image:待检测的可能含有人脸的图像。
# 参数n:表示采用上采样的次数。上采样会让图像变大能够检测到更多人脸对象提高小人脸的检测效果#通常建议将此参数设置为0 或1。较大的值会增加检测的准确性但会降低处理速度。
# 返回值faces:返回检测图像中的所有人脸。for face in faces: # 对每个人脸框进行逐个处理x1 face.left()y1 face.top()x2 face.right()y2 face.bottom()cv2.rectangle(img, (x1, y1), (x2, y2), (0, 255, 0), 2)
cv2.imshow(result, img)
cv2.waitKey(0)
cv2.destroyAllWindows()输出 三、人脸关键点定位
下载人脸68个关键点的模型 人脸68关键点定位模型使用dlib.shape_predictor()载入模型使用模型检测人脸的关键点使用.parts()属性获取关键点的xy的坐标然后在图片上画出关键点并写出关键点的序号
import cv2
import dlib
import numpy as npimg cv2.imread(xzq.png)
img cv2.resize(img, None, fx1.3, fy1.3)detector dlib.get_frontal_face_detector() # 构造人脸检测器
faces detector(img, 0) # 检测人脸
print(faces) # 人脸轮廓矩形的四个顶点
# dlib.shape_predictor 载入模型
predictor dlib.shape_predictor(shape_predictor_68_face_landmarks.dat)for face in faces:shape predictor(img, face) # 获取关键点landmarks np.array([[p.x, p.y] for p in shape.parts()]) # 将关键点转换成坐标形式for idx, point in enumerate(landmarks): # 绘制每一张脸的关键点pos [point[0], point[1]]cv2.circle(img, pos, 2, color(0, 255, 0), thickness- 1) # 给关键点标出来cv2.putText(img, str(idx), pos, cv2.FONT_HERSHEY_SIMPLEX, 0.4, (255, 255, 255), 1, cv2.LINE_AA) # 给关键点标上序号cv2.imshow(img, img)
cv2.waitKey(0)
cv2.destroyAllWindows()
输出
