以前寫過一篇關於實現人臉識別的文章，裏面用到的技術是經過調用百度 API 實現的，本次將藉助於 dlib 程序包實現人臉區域檢測、特徵點提取等功能，html
dlib 封裝了許多優秀的機器學習算法， 可實現人臉識別、檢測、識別，視頻目標追逐等功能，是由由 C++開發的一個開源程序庫，目前也提供了 Python 接口，可供咱們直接調用。web
1，dilb 安裝
dlib 程序包的安裝方式也是用 pip 來進行安裝的，但不一樣於其它程序包的是，在輸入算法
pip install dlib
以前，須要安裝 Cmake 程序包，該工具主要是對 dlib 進行編譯，安裝命令與其餘包相似微信
pip install Cmake
2，實現人臉識別
利用 dlib 實現人臉識別功能時，先定義一個檢測器和一個 圖片預覽窗口：機器學習
detector = dlib.get_frontal_face_detector()
win = win = dlib.image_window()
以後利用 load_rgb_image() 函數讀取圖像：函數
img = dlib.load_rgb_image(f)
接下來進行核心功能人臉檢測的實現，這裏須要藉助於上面定義獲得的檢測器工具
dets,score,idx = detector.run(img,1，-1)
img 就是咱們讀取後的圖像，第二個參數 1 表明的是圖片上採樣倍數，值越大，最終識別獲得的結果越好，-1 表明的是調整分割閾值，負值表示將返回更多檢測結果學習
返回的 dets 返回的是一我的臉區域矩形，分別表示左，上、右、下邊界，是 tuple 形式，若是檢測出一我的臉，則爲一個 tuple, 若是是多我的臉，將會把多個 tuple 放置在一個列表中；有個這個矩形座標就能夠作如下事情：spa
人臉區域裁剪，進行區域提取；.net
人臉區域線條標記
score 表示的是人臉識結果檢測機率，越大表明識別出來的結果越好；若是一幅圖有多我的臉，則返回多個檢測機率以列表形式儲存；idx 是用於在一副圖檢測出多我的臉是用的索引，能夠對其進行索引
win.clear_overlay()
win.set_image(img)
win.add_overlay(dets)
dlib.hit_enter_to_continue
最後咱們利用 前面定義的 win 窗口，進行圖像預覽，結果以下，
固然也能夠用 OpenCV 進行輪廓勾勒，OpenCV 勾勒結果以下( 有色差的緣由是OpenCV 讀取的是 BGR 通道順序 )；
3，dlib 提取人臉68個特徵點
OpenCV 也能夠用於人臉識別，但效果不如 dlib ，除了上面提到的線框檢測以外，dlib 還能夠直接提取人臉上的 68 個特徵點，做爲座標形式來返回；
有了這 68 個特徵點的座標，能夠很方便地幫助咱們實現人臉對齊、融合等應用，先看一下用 dlib 勾勒出來的效果
與人臉識別不同的是，這裏須要加上一個形狀檢測器，形狀檢測器這裏須要官網提供的文件、裏面放置已經訓練好的權重信息，能夠直接使用，上面功能實現代碼以下：
import dlib
import os
import cv2
predictor_path = "E:/shape_predictor_68_face_landmarks.dat"#權重文件路徑
png_path = "E:/ceshi.png"
detector = dlib.get_frontal_face_detector()
#相撞
predicator = dlib.shape_predictor(predictor_path)
win = dlib.image_window()
img = dlib.load_rgb_image(png_path)
win.clear_overlay()
win.set_image(img1)
for k,d in enumerate(dets):
print("Detection {} left:{} Top: {} Right {} Bottom {}".format(
k,d.left(),d.top(),d.right(),d.bottom()
shape = predicator(img,d)
#Get the landmarks/parts for face in box d
print("Part 0：{}，Part 1 :{}".format(shape.part(0),shape.part(1)))
win.add_overlay(shape)
win.add_overlay(dets)
dlib.hit_enter_to_continue()
座標點的獲取能夠經過 part(index) 函數獲取
上面的座標點，也能夠經過 OpenCV 在原圖上勾勒出來，並註釋上文字，效果以下：
附上完整代碼：
import dlib
import os
import cv2
predictor_path = "E:/shape_predictor_68_face_landmarks.dat"
png_path = "E:/ceshi.png"
detector = dlib.get_frontal_face_detector()
#相撞
predicator = dlib.shape_predictor(predictor_path)
win = dlib.image_window()
img1 = cv2.imread(png_path)
dets = detector(img1,1)
print("Number of faces detected : {}".format(len(dets)))
for k,d in enumerate(dets):
print("Detection {} left:{} Top: {} Right {} Bottom {}".format(
k,d.left(),d.top(),d.right(),d.bottom()
))
lanmarks = [[p.x,p.y] for p in predicator(img1,d).parts()]
for idx,point in enumerate(lanmarks):
point = (point[0],point[1])
cv2.circle(img1,point,5,color=(0,0,255))
font = cv2.FONT_HERSHEY_COMPLEX_SMALL
cv2.putText(img1,str(idx),point,font,0.5,(0,255,0),1,cv2.LINE_AA)
#對標記點進行遞歸；
cv2.namedWindow("img",cv2.WINDOW_NORMAL)
cv2.imshow("img",img1)
cv2.waitKey(0)
4，小總結
以上就是對 dlib 程序包的簡單介紹，在人臉識別應用方面上 dlib 的表現至關不錯的，有興趣的同窗能夠去官網看關於 dlib 的詳細介紹，本身閒餘時間動手跟着敲一下。
下篇文章將介紹利用 OpenCV 實現人臉融合技術，裏面會用到本篇提到的人臉 68 個特徵點座標，算是本篇文章的延申，感興趣的小夥伴能夠提早關注一波。
文中提到的權重文件獲取方式，在公衆號後臺回覆關鍵字：dlib 便可獲取
參考連接:
1，http://dlib.net/face_landmark_detection.py.html
2，https://blog.csdn.net/qq_39438636/article/details/79304130
3，http://dlib.net/
推薦閱讀：
本文分享自微信公衆號 - Z先生點記（gh_683d048a482a）。
若有侵權，請聯繫 support@oschina.cn 刪除。
本文參與「OSC源創計劃」，歡迎正在閱讀的你也加入，一塊兒分享。