Python——dlib庫學習：人臉特征點的标定

最近模式識别課程的上機課中，老師給了人臉識别的Python程式讓我們自己學習，目前研究到了人臉檢測程式中的人臉特征點的标定，和如何用Opencv中的rectangle函數和circle函數來标記人臉的特征資訊。

其中所用到的子產品主要是dlib、和cv2。

先對程式中的一些陌生代碼做一個總結：

一.程式中所涉及到的OpenCV的常用函數：

1.讀入圖檔——cv2.imread(filepath,flags)

• filepath: 要讀入圖檔的完整路徑
• flags: 讀入圖檔的标志
  • cv2.IMREAD_COLOR：預設參數，讀入一副彩色圖檔，忽略alpha通道
  • cv2.IMREAD_GRAYSCALE：讀入灰階圖檔
  • cv2.IMREAD_UNCHANGED：顧名思義，讀入完整圖檔，包括alpha通道

例如：

imgpath = './image/wsdgd.jpg'
img = cv2.imread(imgpath,cv2.IMREAD_COLOR)
           

2.通道拆分和合并——cv2.split()、cv2.merge()

先解釋一下為什麼要進行通道的拆分和合并，因為opencv讀取圖檔的預設像素排列是BGR，和很多其他軟體不一緻，需要轉換。

使用方法如下：

b, g, r = cv2.split(img)
img2 = cv2.merge([r, g, b])
           

3.畫矩形cv2.rectangle()

cv2.rectangle(img, pt1, pt2, color, thickness=None, lineType=None, shift=None),需要确定的就是矩形的兩個點（左上角與右下角），顔色，線的類型（不設定就預設）。

其中各個參數為：

• img：在img上繪圖
• pt1：起點; (left, top)
• pt2：終點; (right, bottom)
• color：線的顔色；例如：(0,255,0)(綠色)
• thickness：線的粗細程度，例如：-1,1,2,3…

例子：

import cv2
import numpy as np
from matplotlib import pyplot as plt
img = np.zeros((512,512,3),np.uint8)#生成一個空彩色圖像
cv2.rectangle(img,(20,20),(411,411),(55,255,155),5)
plt.imshow(img,'brg')
           

4.畫圓框cv2.circle()

cv2.circle(img, center, radius, color, thickness=None, lineType=None, shift=None)

• img：在img上繪圖;
• center：圓心；例如：(0,0)
• radius：半徑；例如：20
• color：線的顔色；例如：(0,255,0)(綠色)
• thickness：線的粗細程度，例如：-1,1,2,3…

例子：

import cv2
import numpy as np
from matplotlib import pyplot as plt
img = np.zeros((512,512,3),np.uint8)#生成一個空彩色圖像
cv2.circle(img,(200,200),50,(55,255,155),1)#修改最後一個參數
plt.imshow(img,'brg')
           

以上兩個例子來自于 https://blog.csdn.net/on2way/article/details/46793911

5.cv2.waitKey(delay)

檢視此博文：https://blog.csdn.net/Young__Fan/article/details/80022860

下面就具體程式來學習：

from sys import argv
import dlib
import cv2
import numpy

script, imgpath = argv

shape_predictor_path = './model/shape_predictor_68_face_landmarks.dat'  #這是人臉68點特征檢測器模型
detector = dlib.get_frontal_face_detector()        #擷取人臉分類器
predictor = dlib.shape_predictor(shape_predictor_path)   #擷取人臉 68 點特征檢測器，進行人臉面部輪廓特征提取：
img = cv2.imread(imgpath, cv2.IMREAD_COLOR)            #讀圖檔，cv.imread()共兩個參數，第二個為如何讀取圖檔，
													#包括cv2.IMREAD_COLOR: 讀入一個彩色圖檔
b, g, r = cv2.split(img)
img2 = cv2.merge([r, g, b])
dets = detector(img2, 1)

print(f'the number of face is {len(dets)}')

for index, face in enumerate(dets):
    print(f'face{index}; left:{face.left()}; top:{face.top()}; right:{face.right()}; bottom:{face.bottom()}')
    left = face.left()
    top = face.top()
    right = face.right()
    bottom = face.bottom()
    cv2.rectangle(img,(left, top),(right, bottom),(0, 255, 0), 1)
    shape = predictor(img, face)

    for index, pt in enumerate(shape.parts()):
        pt_pos = (pt.x, pt.y)
        cv2.circle(img, pt_pos, 1, (255, 0, 0), 1)

cv2.imshow(imgpath,img)
cv2.namedWindow(imgpath,cv2.WINDOW_AUTOSIZE)

k = cv2.waitKey(0)
cv2.destroyAllWindows()

           

下面是效果圖：