【机器学习】 - 使用dlib进行人脸定位，人脸检测，给人脸图片戴口罩

detector = dlib.get_frontal_face_detector()

功能：人脸检测画框
参数：无
返回值：默认的人脸检测器

faces = detector(img_gray, 0)

功能：对图像画人脸框
参数：img_gray：输入的图片
返回值：人脸检测矩形框4点坐标。坐标为[(x1, y1) (x2, y2)]。可以通过函数的left,right,top,bottom方法分别获取对应的x1, x2, y1, y2值。（cv里的矩阵和C++的那种一样，左上角是(0,0)点，水平为x方向，竖直为y方向，类似笛卡尔系(区别是y轴正方向不同)，所以top的y坐标 < bottom的y坐标。matplotlib是相反的。）

后面那个参数代表将原始图像是否进行放大，1表示放大1倍再检查，提高小人脸的检测效果。

左图是参数为0的检测情况，右图是参数为1的检测情况。

上述例子参考自链接：http://blog.sina.com.cn/s/blog_49b3ba190102yvl9.html

注意dlib只能对灰度图进行检测：

gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

注意更改当前文件运行目录为程序执行文件路径的方法：

https://www.jb51.net/article/138980.htm

下面进行代码实战：

原图地址

代码实战1：人脸检测

import numpy
import dlib
import cv2
import sys
import os# 修改执行目录为该.py文件所在目录
#dirname, filename = os.path.split(os.path.abspath(sys.argv[0]))
dirname, filename = os.path.split(sys.argv[0])
# print(dirname,filename)
# path = os.getcwd()
os.chdir(dirname)
print(os.getcwd())# 人脸检测
detector = dlib.get_frontal_face_detector()# 人脸关键点标注。
predictor = dlib.shape_predictor('shape_predictor_68_face_landmarks.dat'
)
img = cv2.imread('sdtw2.jpg')gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
#这样也可以灰度图但是不建议用：im2 = cv2.imread('tfboys.jpg',flags = 0)faces = detector(gray,0)# 第二个参数越大，代表讲原图放大多少倍在进行检测，提高小人脸的检测效果。for face in faces:#左上角(x1,y1)，右下角(x2,y2)x1, y1, x2, y2 = face.left(), face.top(), face.right(), face.bottom()print(x1,y1,x2,y2)cv2.rectangle(img, (x1, y1), (x2, y2), (0, 255, 0), 2)
cv2.imshow("image", img)
cv2.waitKey(0)

运行结果：

代码实战2：人脸关键点标注

import numpy
import dlib
import cv2
import sys
import os#dirname, filename = os.path.split(os.path.abspath(sys.argv[0]))
dirname, filename = os.path.split(sys.argv[0])
# print(dirname,filename)
# path = os.getcwd()
os.chdir(dirname)
print(os.getcwd())# 人脸检测
detector = dlib.get_frontal_face_detector()# 人脸关键点标注。
predictor = dlib.shape_predictor('shape_predictor_68_face_landmarks.dat'
)
img = cv2.imread('sdtw2.jpg')gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
#这样也可以灰度图但是不建议用：im2 = cv2.imread('tfboys.jpg',flags = 0)dets = detector(gray,0)# 第二个参数越大，代表讲原图放大多少倍在进行检测，提高小人脸的检测效果。for d in dets:# 使用predictor进行人脸关键点检测 shape为返回的结果shape = predictor(gray, d)for index, pt in enumerate(shape.parts()):print('Part {}: {}'.format(index, pt))pt_pos = (pt.x, pt.y)cv2.circle(img, pt_pos, 1, (255, 0, 0), 2)                          #利用cv2.putText标注序号font = cv2.FONT_HERSHEY_SIMPLEXcv2.putText(img, str(index+1),pt_pos,font, 0.3, (0, 0, 255), 1, cv2.LINE_AA)
cv2.imshow("image", img)
cv2.waitKey(0)
cv2.destroyAllWindows()

实验结果：

人脸关键点：