python利用dlib獲取人臉的68個(gè)landmark

更新時(shí)間：2019年11月27日 10:58:10 作者：明素07

這篇文章主要介紹了python利用dlib獲取人臉的68個(gè)landmark，文中通過(guò)示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧

（1）單人臉情況

import cv2
import dlib

path = "1.jpg"
img = cv2.imread(path)
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

#人臉檢測(cè)畫框
detector = dlib.get_frontal_face_detector()
# 獲取人臉關(guān)鍵點(diǎn)檢測(cè)器
predictor = dlib.shape_predictor("shape_predictor_68_face_landmarks.dat")
#獲取人臉框位置信息
dets = detector(gray, 1)#1表示采樣（upsample）次數(shù) 0識(shí)別的人臉少點(diǎn),1識(shí)別的多點(diǎn),2識(shí)別的更多,小臉也可以識(shí)別
for face in dets:
  shape = predictor(img, face) # 尋找人臉的68個(gè)標(biāo)定點(diǎn)
  # 遍歷所有點(diǎn)，打印出其坐標(biāo)，并圈出來(lái)
  for pt in shape.parts():
    pt_pos = (pt.x, pt.y)
    cv2.circle(img, pt_pos, 2, (0, 0, 255), 1)#img, center, radius, color, thickness

  cv2.imshow("image", img)

cv2.waitKey(0)
cv2.destroyAllWindows()

（2）多人臉情況

import cv2
import dlib

path1 = "zxc.jpg"
img = cv2.imread(path1)
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

#人臉檢測(cè)畫框
detector = dlib.get_frontal_face_detector()
# 獲取人臉關(guān)鍵點(diǎn)檢測(cè)器
predictor = dlib.shape_predictor("shape_predictor_68_face_landmarks.dat")
#獲取人臉框位置信息
dets = detector(gray, 1)#1表示采樣（upsample）次數(shù) 0識(shí)別的人臉少點(diǎn),1識(shí)別的多點(diǎn),2識(shí)別的更多,小臉也可以識(shí)別

for i in range(len(dets)):
  shape = predictor(img, dets[i]) # 尋找人臉的68個(gè)標(biāo)定點(diǎn)
  # 遍歷所有點(diǎn)，打印出其坐標(biāo)，并圈出來(lái)
  for pt in shape.parts():
    pt_pos = (pt.x, pt.y)
    cv2.circle(img, pt_pos, 2, (0, 0, 255), 1)#img, center, radius, color, thickness

cv2.imshow("image", img)

cv2.waitKey(0)#等待鍵盤輸入
cv2.destroyAllWindows()

（3）獲取電腦攝像頭實(shí)時(shí)識(shí)別標(biāo)定

import cv2
import dlib
import numpy as np

cap = cv2.VideoCapture(0)#打開筆記本的內(nèi)置攝像頭，若參數(shù)是視頻文件路徑則打開視頻
cap.isOpened()

def key_points(img):
  points_keys = []
  PREDICTOR_PATH = "shape_predictor_68_face_landmarks.dat"
  detector = dlib.get_frontal_face_detector()
  predictor = dlib.shape_predictor(PREDICTOR_PATH)
  rects = detector(img,1)

  for i in range(len(rects)):
    landmarks = np.matrix([[p.x,p.y] for p in predictor(img,rects[i]).parts()])
    for point in landmarks:
      pos = (point[0,0],point[0,1])
      points_keys.append(pos)
      cv2.circle(img,pos,2,(255,0,0),-1)
  return img

while(True):
  ret, frame = cap.read()#按幀讀取視頻，ret,frame是cap.read()方法的兩個(gè)返回值。其中ret是布爾值，如果讀取幀是正確的則返回True，如果文件讀取到結(jié)尾，它的返回值就為False。frame就是每一幀的圖像，是個(gè)三維矩陣。
  # gray = cv2.cvtColor(frame)
  face_key = key_points(frame)
  cv2.imshow('frame',face_key)
  if cv2.waitKey(1) & 0xFF == ord('q'):
    break

cap.release()#釋放攝像頭
cv2.destroyAllWindows()#關(guān)閉所有圖像窗口

以上就是本文的全部?jī)?nèi)容，希望對(duì)大家的學(xué)習(xí)有所幫助，也希望大家多多支持腳本之家。

您可能感興趣的文章: