AI展示框架(7)：基于dlib实现人脸检测及关键点检测

sparkexpert

发布于 2019-05-26 14:14:15

1K0

发布于 2019-05-26 14:14:15

文章被收录于专栏：大数据智能实战大数据智能实战

dlib是人脸识别与人脸特征关键点获取的常用库，最近实现了将该库集成到展示框架的实验。

其中现有的dlib常见的可获取68个关键点，当然还有5个关键点和81个关键点(包括额头)。因此编写了一个通用的小函数，如下：

该函数通过设置num_landmarks可以获取不同的关键点个数，如68,5和81，并返回facebbox(人脸框)，通过该框的个数可以获取人脸的个数，并将人脸的关键点以cv2来进行绘制。

def DetectFacePoints(model_dir,data_dir,num_landmarks,filename,frame):    
    detector = dlib.get_frontal_face_detector()
    predictor = dlib.shape_predictor('%s/cv/face/dlib/shape_predictor_%d_face_landmarks.dat' % (model_dir,num_landmarks))
   
    dets = detector(frame, 1)
    facebbox = []
    # 对每个人脸进行处理
    for k, d in enumerate(dets):
        shape = predictor(frame, d)
        # 绘制人脸矩形框
        facebbox.append([d.left(), d.top(),d.right(), d.bottom()])
        cv2.rectangle(frame,(d.left(), d.top()), (d.right(), d.bottom()),(55,255,155),2)
        #landmarks = np.matrix([[p.x, p.y] for p in shape.parts()])
        #绘制人脸关键点
        for num in range(shape.num_parts):
            cv2.circle(frame, (shape.parts()[num].x, shape.parts()[num].y), 1, (255,255,255), -1)
    #cv2.imshow('frame', frame)
    cv2.imwrite(filename, frame)
    return facebbox

实验结果：

(1) 68个关键点的情况