如何实现人脸特征关键点识别？

今天，我们将学习如何检测图像中的人脸并提取面部特征，如眼睛、鼻子、嘴巴等。我们可以将这些信息作为一个预处理步骤来完成，例如捕捉照片中人物的人脸（手动或通过机器学习），创建效果来“增强”我们的图像（类似于Snapchat等应用程序中的效果），对人脸进行情感分析等等。今天我们将通过引入DLib和从图像中提取面部特征来将其提升到一个新的水平。相关阅读：https：／／towardsdatascience．com／essential－opencv－functions－to－get－you－started－into－computer－vision－743df932e60Dlib是一个高级的机器学习库，它是为解决复杂的现实世界问题而创建的。这个库是用C＋＋编程语言创建的，它与C／C＋＋、Python和java一起工作。Dlib：http：／／dlib．net／值得注意的是，本教程可能需要对OpenCV库有一定的了解，例如如何处理图像、打开相机、图像处理和一些小技巧。它是如何工作的？我们的脸有几个可以识别的特征，比如眼睛、嘴巴、鼻子等等。当我们使用DLib算法检测这些特征时，我们实际上得到了每个特征点的映射。该映射由67个点（称为地标点）组成，可识别以下特征：

颚点＝ 0–16右眉点＝ 17–21左眉点＝ 22–26鼻点＝ 27–35右眼点＝ 36–41左眼点＝ 42–47口角＝ 48–60嘴唇分数＝ 61–67现在让我们来了解如何提取特征。安装要求与往常一样，本文将用代码演示示例，并将逐步指导你实现一个完整的人脸特征识别示例。但是在开始之前，你需要启动一个新的Python项目并安装3个不同的库：opencv pythondlib如果像我一样使用pipenv，可以使用以下命令安装所有这些文件：pipenv install opencv－python， dlib如果你使用的是Mac和某些版本的Linux，则在安装dlib时可能会遇到一些问题，如果遇到的是编译错误，请检查使用的CMake库版本。在Mac中，确保你有可用的CMake，并且使用正确的版本运行：brew install cmake对于其他操作系统，请在线检查以获得特定支持。步骤1：载入并显示图片我们将从小处着手并以代码为基础，直到有一个可以正常工作的示例为止。通常，我喜欢使用绘图来渲染图像，但是由于我们在之后的文章中准备了一些很酷的东西，因此我们将做一些不同的事情，并且将创建一个窗口来展示我们的工作结果。让我们一起看看代码吧！import cv2＃ read the imageimg ＝ cv2．imread（＂face．jpg＂）＃ show the imagecv2．imshow（winname＝＂Face＂， mat＝img）＃ Wait for a key press to exitcv2．waitKey（delay＝0）＃ Close all windowscv2．destroyAllWindows（）很简单，对吧？我们只是用imread加载图像，然后告诉OpenCV在winname中显示图像，这将打开窗口并给它一个标题。之后，我们需要暂停执行，因为当脚本停止时，窗口会被破坏，所以我们使用cv2．waitKey来保持窗口，直到按下某个键，然后销毁窗口并退出脚本。如果使用代码并在代码目录中添加了一个名为face．jpg的图像，你应该得到如下内容：原始图像：

步骤2：人脸识别到目前为止，我们还没有对图像做任何处理，只是把它呈现在一个窗口中，这是非常无聊的，但是现在我们将开始加入其它的内容，我们将从识别图像中选择一张脸开始。为此，我们将使用名为get＿frontial＿face＿detector（）的Dlib函数，非常直观，但是有一个警告提示这个函数只适用于灰度图像，所以我们必须首先使用OpenCV。get＿frontial＿face＿detector（）会返回一个检测器，该检测器是一个我们可以用来检索人脸信息的函数，每个面都是一个对象，其中包含可以找到图像的位置点。但我们最好在代码上看看：import cv2import dlib＃ Load the detectordetector ＝ dlib．get＿frontal＿face＿detector（）＃ read the imageimg ＝ cv2．imread（＂face．jpg＂）＃ Convert image into grayscalegray ＝ cv2．cvtColor（src＝img， code＝cv2．COLOR＿BGR2GRAY）＃ Use detector to find landmarksfaces ＝ detector（gray）for face in faces：    x1 ＝ face．left（） ＃ left point    y1 ＝ face．top（） ＃ top point    x2 ＝ face．right（） ＃ right point    y2 ＝ face．bottom（） ＃ bottom point    ＃ Draw a rectangle    cv2．rectangle（img＝img， pt1＝（x1， y1）， pt2＝（x2， y2）， color＝（0， 255， 0）， thickness＝4）＃ show the imagecv2．imshow（winname＝＂Face＂， mat＝img）＃ Wait for a key press to exitcv2．waitKey（delay＝0）＃ Close all windowscv2．destroyAllWindows（）上面的代码将从图像中检索所有面部，并在每个面部上渲染一个矩形，从而产生如下图像：