python3利用Dlib19.7实现人脸68个特征点标定_Python

0.引言

利用Dlib官方训练好的模型“shape_predictor_68_face_landmarks.dat”进行68点标定，利用OpenCv进行图像化处理，在人脸上画出68个点，并标明序号；

实现的68个特征点标定功能如下图所示：

python3利用Dlib19.7实现人脸68个特征点标定

图1 人脸68个特征点的标定

1.开发环境

　　python:3.6.3

　　dlib:19.7

　　OpenCv, numpy

需要调用的库：　

									import dlib #人脸识别的库dlib

									import numpy as np #数据处理的库numpy

									import cv2 #图像处理的库OpenCv

2.设计流程

工作内容主要以下两大块：68点标定和OpenCv绘点

68点标定：

借助官方的Demo（face_landmark_detection.py，在之前另一篇博客里面介绍过学习Python3 Dlib19.7进行人脸面部识别）实现；

OpenCv绘点：

介绍了用到的画圆函数cv2.circle() 和输出字符串函数 cv2.putText() ；

流程：

　　1.调用dlib库来进行人脸识别，调用预测器“shape_predictor_68_face_landmarks.dat”进行68点标定

　　2.存入68个点坐标

　　3.利用cv2.circle来画68个点

　　4.利用cv2.putText()函数来画数字1-68

3.源码

									# 68-points

									# 2017-12-28

									# By TimeStamp

									# #cnblogs: http://www.cnblogs.com/AdaminXie/

									import dlib      #人脸识别的库dlib

									import numpy as np    #数据处理的库numpy

									import cv2      #图像处理的库OpenCv

									# dlib预测器

									detector = dlib.get_frontal_face_detector()

									predictor = dlib.shape_predictor('shape_predictor_68_face_landmarks.dat')

									path="********************"

									# cv2读取图像

									img=cv2.imread(path+"test.jpg")

									# 取灰度

									img_gray = cv2.cvtColor(img, cv2.COLOR_RGB2GRAY)

									# 人脸数rects

									rects = detector(img_gray, 0)

									for i in range(len(rects)):

									 landmarks = np.matrix([[p.x, p.y] for p in predictor(img, rects[i]).parts()])

									 for idx, point in enumerate(landmarks):

									  # 68点的坐标

									  pos = (point[0, 0], point[0, 1])

									  # 利用cv2.circle给每个特征点画一个圈，共68个

									  cv2.circle(img, pos, 5, color=(0, 255, 0))

									  # 利用cv2.putText输出1-68

									  font = cv2.FONT_HERSHEY_SIMPLEX

									  cv2.putText(img, str(idx+1), pos, font, 0.8, (0, 0, 255), 1, cv2.LINE_AA)

									cv2.namedWindow("img", 2)

									cv2.imshow("img", img)

									cv2.waitKey(0)