Python 3.6.3 利用 Dlib 19.7 和 opencv 实现人脸68点定位 进行人脸识别

0.引言

　　　介绍利用Dlib官方给的人脸识别预测器“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。

1.开发环境

　　python:　　3.6.3

　　dlib:　　　 19.7

　　OpenCv, PIL, numpy

　　需要调用的库：　

1 import dlib                     #人脸识别的库dlib
2 from PIL import Image           #图像处理的库PIL 
3 import numpy as np              #数据处理的库numpy
4 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http://www.cnblogs.com/AdaminXie/p/7905888.html）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

 1 #68-points
 2 #2017-12-28
 3 #By TimeStamp
 4 # #cnblogs: http://www.cnblogs.com/AdaminXie/
 5 
 6 import dlib
 7 from PIL import Image
 8 import numpy as np
 9 import cv2
10 
11 # dlib预测器
12 detector = dlib.get_frontal_face_detector()
13 predictor = dlib.shape_predictor(‘shape_predictor_68_face_landmarks.dat‘)
14 
15 # cv2处理图像
16 img_cv2 = cv2.imread("test4.jpg")
17 
18 # PIL处理图像
19 img_PIL = Image.open("test4.jpg").convert(‘RGBA‘)
20 
21 # 灰度
22 img_gray = np.array(img_PIL.convert(‘L‘))
23 
24 rects = detector(img_gray, 0)
25 
26 # 人脸数
27 for i in range(len(rects)):
28     landmarks = np.matrix([[p.x, p.y] for p in predictor(img_cv2, rects[i]).parts()])
29     img_cv2 = img_cv2.copy()
30 
31     for idx, point in enumerate(landmarks):
32         pos = (point[0, 0], point[0, 1])
33 
34         # 利用cv2.circle给每个特征点画一个圈，共68个
35         cv2.circle(img_cv2, pos, 5, color=(0, 255, 0))
36 
37         # 利用cv2.putText输出1-68
38         font = cv2.FONT_HERSHEY_SIMPLEX
39         cv2.putText(img_cv2, str(idx+1), pos, font, 0.8, (0, 0, 255), 1, cv2.LINE_AA)
40 
41 cv2.namedWindow("img_cv2", 2)
42 cv2.imshow("img_cv2", img_cv2)
43 cv2.waitKey(0)

note：OpenCv的画图函数

　　1. 画圆 cv2.circle( img, (p1,p2), r, (255,255,255) )

　　　　参数1：　　img-　　　　      图片对象；

　　　　参数2：　　(p1,p2)-　　        圆心坐标；

　　　　参数3：　　r-　　　　　　    半径；

　　　　参数4：　　(255,255,255)-　 颜色数组；　

 　　2. 输出字符 cv2.putText( img,"test", (p1,p2), font, 4, (255,255,255), 2, cv2, LINE_AA )

　　　　参数1：　　img-　　　　　　图像对象；

　　　　参数2：　　"test"-　　　　　 需要打印的字符text（数字的话可以利用str()转成字符）;

　　　　参数3：　　(p1,p2)-　　　  　坐标textOrg；

　　　　参数4：　　font-　　　　　　字体fontFace（注意这里 font = cv2.FONT_HERSHEY_SIMPLEX）;

　　　　参数5：　　4-　　　　　　　字号fontScale；

　　　　参数6：　　(255,255,255)-　  颜色数组；

　　　　参数7：　　2-　　　　　　　 线宽thickness；

　　　　参数8：　　LINE_AA-　　　   线条种类line_type；

　　　　*关于 颜色数组：

　　　　　　(255,255,255), (蓝色，绿色，红色)，每个值都是0-255；

　　　　　　比如：蓝色(255,0,0)，紫色(255,0,255)

　　　　可以调整cv2.circle()函数和cv2.putText()函数中的 半径、线宽 等参数使得输出满足需求方便查看；

结果：

图1 测试结果1

 图2 测试结果2

附件：

shape_predictor_68_face_landmarks.dat（Dlib官方的人脸识别68个特征点标定模型）
（链接: https://pan.baidu.com/s/1kVgnpwb 密码: acmk）