图片人脸检测——Dlib版(四)

青旅半醒 2023-10-17 21:11 121阅读 0赞

上几篇给大家讲了OpenCV的图片人脸检测,而本文给大家带来的是比OpenCV更加精准的图片人脸检测Dlib库。

往期目录

视频人脸检测——Dlib版(六)
OpenCV添加中文(五)
图片人脸检测——Dlib版(四)
视频人脸检测——OpenCV版(三)
图片人脸检测——OpenCV版(二)
OpenCV环境搭建(一)

更多更新,欢迎访问我的github:https://github.com/vipstone/faceai

dlib与OpenCV对比

识别精准度:Dlib >= OpenCV

Dlib更多的人脸识别模型,可以检测脸部68甚至更多的特征点

效果展示

dlib68.png

人脸的68个特征点

68.jpg

安装dlib

下载地址:https://pypi.org/simple/dlib/ 选择适合你的版本,本人配置:

Window 10 + Python 3.6.4

我现在的版本是:dlib-19.8.1-cp36-cp36m-win_amd64.whl

使用命令安装:

pip3 install D:\soft\py\dlib-19.8.1-cp36-cp36m-win_amd64.whl

显示结果: Processing d:\soft\py\dlib-19.8.1-cp36-cp36m-win_amd64.whl Installing collected packages: dlib Successfully installed dlib-19.8.1

为安装成功。

下载训练模型

训练模型用于是人脸识别的关键,用于查找图片的关键点。

下载地址:http://dlib.net/files/

下载文件:shape_predictor_68_face_landmarks.dat.bz2

当然你也可以训练自己的人脸关键点模型,这个功能会放在后面讲。

下载好的模型文件,我的存放地址是:C:\Python36\Lib\site-packages\dlib-data\shape_predictor_68_face_landmarks.dat.bz2

解压:shape_predictor_68_face_landmarks.dat.bz2得到文件:shape_predictor_68_face_landmarks.dat

代码实现

  1. #coding=utf-8
  2. import cv2
  3. import dlib
  4. path = "img/meinv.png"
  5. img = cv2.imread(path)
  6. gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
  7. #人脸分类器
  8. detector = dlib.get_frontal_face_detector()
  9. # 获取人脸检测器
  10. predictor = dlib.shape_predictor(
  11. "C:\\Python36\\Lib\\site-packages\\dlib-data\\shape_predictor_68_face_landmarks.dat"
  12. )
  13. dets = detector(gray, 1)
  14. for face in dets:
  15. shape = predictor(img, face) # 寻找人脸的68个标定点
  16. # 遍历所有点,打印出其坐标,并圈出来
  17. for pt in shape.parts():
  18. pt_pos = (pt.x, pt.y)
  19. cv2.circle(img, pt_pos, 2, (0, 255, 0), 1)
  20. cv2.imshow("image", img)
  21. cv2.waitKey(0)
  22. cv2.destroyAllWindows()

连载目录:

《OpenCV环境搭建(一)》

《图片人脸检测——OpenCV版(二)》

《视频人脸检测——OpenCV版(三)》

《图片人脸检测——Dlib版(四)》

更多动态,请关注我的GitHub:https://github.com/vipstone/faceai

发表评论

表情:
评论列表 (有 0 条评论,121人围观)

还没有评论,来说两句吧...

相关阅读

    相关 人脸特征检测--基于DLIB

      Dlib是一个C++编写的工具包,它包含了机器学习算法以及一些用来解决现实复杂问题的工具,可以广泛应用于机器人、嵌入式设备、手机,甚至高性能计算中,可以在其官网了解更多。这