Python3利用Dlib19.7实现人脸68个特征点标定

简介

本篇攻略将介绍如何使用Python3和Dlib19.7库实现人脸68个特征点标定。Dlib是一个非常强大的机器视觉工具集，其中包含了一些实现基础人脸识别、人脸对齐和特征点检测等功能的算法。本文将使用其中的特征点检测算法，实现68个特征点的标定。首先，需要准备依赖环境。

设计思路

要实现人脸68个特征点的标定，可以分为以下几个步骤：

1. 安装 Dlib19.7及其依赖包
2. 下载 shape_predictor_68_face_landmarks.dat 数据文件
3. 加载待检测的图片
4. 使用 Dlib19.7 的人脸检测算法找到图像中的人脸
5. 使用 Dlib19.7 的特征点检测算法找到每张人脸上68个关键点
6. 将特征点输出到图片上，完成标定过程

详细步骤

步骤1：安装 Dlib19.7及其依赖包

在终端中使用以下命令完成 Dlib19.7 安装：

pip install dlib==19.7

需要注意的是，Dlib19.7依赖于Boost和CMake，需要先安装这些依赖库，否则会安装失败。可以使用以下命令安装：

sudo apt-get install -y build-essential cmake
sudo apt-get install -y libgtk-3-dev
sudo apt-get install -y libboost-all-dev

步骤2：下载 shape_predictor_68_face_landmarks.dat 数据文件

在进行特征点检测时，需要使用训练好的数据文件。可以在官网 http://dlib.net/files/ 找到相关资源。下载完成后，将文件放置到指定目录下即可。

步骤3：加载待检测的图片

使用 OpenCV 加载待检测的图片（需要先安装 OpenCV），如下所示：

import cv2

image = cv2.imread("test.jpg")

步骤4：使用 Dlib19.7 的人脸检测算法找到图像中的人脸

import dlib

detector = dlib.get_frontal_face_detector()

faces = detector(image)

步骤5：使用 Dlib19.7 的特征点检测算法找到每张人脸上68个关键点

predictor = dlib.shape_predictor("shape_predictor_68_face_landmarks.dat")

for face in faces:
    landmarks = predictor(image, face)
    for n in range(68):
        x = landmarks.part(n).x
        y = landmarks.part(n).y
        # 将检测到的特征点绘制到图片上
        cv2.circle(image, (x, y), 1, (0, 0, 255), -1)

步骤6：将特征点输出到图片上，完成标定过程

cv2.imwrite("result.jpg", image)
cv2.imshow("result.jpg", image)
cv2.waitKey(0)

完整代码可能如下所示：

import cv2
import dlib

# 加载图片
image = cv2.imread("test.jpg")

# 创建人脸检测器
detector = dlib.get_frontal_face_detector()

# 在图像中找到人脸
faces = detector(image)

# 加载特征点检测器
predictor = dlib.shape_predictor("shape_predictor_68_face_landmarks.dat")

# 对每张人脸检测68个特征点
for face in faces:
    landmarks = predictor(image, face)
    for n in range(68):
        x = landmarks.part(n).x
        y = landmarks.part(n).y
        # 将检测到的特征点绘制到图片上
        cv2.circle(image, (x, y), 1, (0, 0, 255), -1)

# 结果展示
cv2.imshow("result.jpg", image)
cv2.waitKey(0)
cv2.destroyWindow("result.jpg")

示例说明

示例1

假设我现在有一张人脸图片 "test.jpg"，需要进行68个特征点的标定。可以使用以上步骤进行标定。此时输出的图片将会包含标注了68个特征点的人脸。

import cv2
import dlib

# 加载图片
image = cv2.imread("test.jpg")

# 创建人脸检测器
detector = dlib.get_frontal_face_detector()

# 在图像中找到人脸
faces = detector(image)

# 加载特征点检测器
predictor = dlib.shape_predictor("shape_predictor_68_face_landmarks.dat")

# 对每张人脸检测68个特征点
for face in faces:
    landmarks = predictor(image, face)
    for n in range(68):
        x = landmarks.part(n).x
        y = landmarks.part(n).y
        # 将检测到的特征点绘制到图片上
        cv2.circle(image, (x, y), 1, (0, 0, 255), -1)

# 结果展示
cv2.imshow("result.jpg", image)
cv2.waitKey(0)
cv2.destroyWindow("result.jpg")

示例2

如果要对很多张图片进行特征点检测，需要将以上步骤封装到函数中，以方便复用。

import cv2
import dlib

def mark_faces(image_path, output_path):
    # 加载图片
    image = cv2.imread(image_path)

    # 创建人脸检测器
    detector = dlib.get_frontal_face_detector()

    # 在图像中找到人脸
    faces = detector(image)

    # 加载特征点检测器
    predictor = dlib.shape_predictor("shape_predictor_68_face_landmarks.dat")

    # 对每张人脸检测68个特征点
    for face in faces:
        landmarks = predictor(image, face)
        for n in range(68):
            x = landmarks.part(n).x
            y = landmarks.part(n).y
            # 将检测到的特征点绘制到图片上
            cv2.circle(image, (x, y), 1, (0, 0, 255), -1)

    # 将结果保存到文件中
    cv2.imwrite(output_path, image)

mark_faces("test.jpg", "result.jpg")

如此，便可以简单地对很多张图片进行68个特征点的标定了。