Python学习--使用dlib、opencv进行人脸检测标注

参考自https://www.pyimagesearch.com/2017/04/03/facial-landmarks-dlib-opencv-python/ 

在原有基础上有一部分的修改(image改成可选参数，若不填则为拍照后选取），若是有想深刻学习的，能够去关注这位‘吴克’先生的文章。

本文不涉及关于人脸检测的训练部分（虽然以后随着学习深刻我会再发相关的随笔），只是简单的用轮子。

 

今天咱们来使用dlib和opencv进行人脸的检测标注

　　首先安装opencv和dlib的方法

pip install dlib
pip install opencv-python

　　本程序中还使用了imutils用于resize图片，安装方法以下

pip install imutils

　　dlib中为咱们提供了关于人脸检测标注训练好的文件 可在http://dlib.net/files/shape_predictor_68_face_landmarks.dat.bz2下载（若是在参考网页下载到的例程中也包含了这个文件了）

　　训练好的文件可识别人脸的68个关键点并标注（关键点越少确定越容易致使识别错误）

本程序运行方法：若.py和shape_predictor_68_face_landmarks.dat以及须要检测的图片在同一目录下，在当前目录console中输入

　python my_facial_landmarks.py -p shape_predictor_68_face_landmarks.dat -i guanhai.jpg

　　　　　　　　或采用拍照识别的方式，输入

python my_facial_landmarks.py -p shape_predictor_68_face_landmarks.dat

　　　　　　　　在图片框中按q完成拍照

　　　　　　　　以后会显示标注后的照片

例如输入以下图片运行截图

　　拍照而后识别就不举例了吧，你们能够自行尝试

代码以下my_facial_landmarks.py

from imutils import face_utilsimport argparseimport imutilsimport dlibimport cv2def takephoto():    cap = cv2.VideoCapture(0)    while (1):        # get a frame        ret, frame = cap.read()        # show a frame        cv2.imshow("capture", frame)        if cv2.waitKey(1) & 0xFF == ord('q'):#按q键完成照相            # cv2.imwrite("./test0.jpg", frame) 保存照片，但在这里咱们并不须要            return frame#返回图片    cap.release()    cv2.destroyAllWindows()def main():    # construct the argument parser and parse the arguments 使用argparse设置输入所需的实参    ap = argparse.ArgumentParser()    ap.add_argument("-p", "--shape-predictor", required=True, #训练好的关于检测的文件                    help="path to facial landmark predictor")    ap.add_argument("-i", "--image", required=False,default='0',  #图片                    help="path to input image")    args = vars(ap.parse_args())    # initialize dlib's face detector (HOG-based) and then create    # the facial landmark predictor    #初始化dlib人脸检测（基于HOG），而后建立面部标志预测器    detector = dlib.get_frontal_face_detector()    predictor = dlib.shape_predictor(args["shape_predictor"])    # load the input image, resize it, and convert it to grayscale    if args['image'] != '0':        image = cv2.imread(args['image'])#输入图片实参则读入图片    else:        image = takephoto()#若未输入则进行照相操做    image = imutils.resize(image, width=500)  # 调整图片宽度为500    gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)#图片调整为灰色    # detect faces in the grayscale image 检测灰度图像中的面部    rects = detector(gray, 1)    # loop over the face detections 循环进行人脸的检测    for (i, rect) in enumerate(rects):        # determine the facial landmarks for the face region, then        # convert the facial landmark (x, y)-coordinates to a NumPy        # array        # 肯定面部区域的面部标志，而后将面部标志（x，y）坐标转换成NumPy阵列        shape = predictor(gray, rect)        shape = face_utils.shape_to_np(shape)        # convert dlib's rectangle to a OpenCV-style bounding box        # [i.e., (x, y, w, h)], then draw the face bounding box        #将dlib矩形转换为OpenCV样式的边界框[即（x，y，w，h）]，而后绘制边界框        (x, y, w, h) = face_utils.rect_to_bb(rect)        cv2.rectangle(image, (x, y), (x + w, y + h), (0, 255, 0), 2)        # show the face number 人脸序号的标记（可识别多张）        cv2.putText(image, "Face #{}".format(i + 1), (x - 10, y - 10),                    cv2.FONT_HERSHEY_SIMPLEX, 0.5, (0, 255, 0), 2)        # loop over the (x, y)-coordinates for the facial landmarks        # and draw them on the image        #循环找到面部地关键点的（x，y）坐标并在图像上绘制它们        for (x, y) in shape:            cv2.circle(image, (x, y), 1, (0, 0, 255), -1)    # show the output image with the face detections + facial landmarks    #用脸部检测+面部标志显示输出图像    cv2.imshow("Output", image)    cv2.waitKey(0)if __name__ == '__main__':    main()