今天，我們將學(xué)習(xí)如何檢測(cè)圖像中的人臉并提取面部特征，如眼睛、鼻子、嘴巴等。我們可以將這些信息作為一個(gè)預(yù)處理步驟來(lái)完成，例如捕捉照片中人物的人臉（手動(dòng)或通過(guò)機(jī)器學(xué)習(xí)），創(chuàng)建效果來(lái)“增強(qiáng)”我們的圖像（類似于Snapchat等應(yīng)用程序中的效果），對(duì)人臉進(jìn)行情感分析等等。今天我們將通過(guò)引入DLib和從圖像中提取面部特征來(lái)將其提升到一個(gè)新的水平。相關(guān)閱讀：https：／／towardsdatascience．com／essential－opencv－functions－to－get－you－started－into－computer－vision－743df932e60Dlib是一個(gè)高級(jí)的機(jī)器學(xué)習(xí)庫(kù)，它是為解決復(fù)雜的現(xiàn)實(shí)世界問(wèn)題而創(chuàng)建的。這個(gè)庫(kù)是用C＋＋編程語(yǔ)言創(chuàng)建的，它與C／C＋＋、Python和java一起工作。Dlib：http：／／dlib．net／值得注意的是，本教程可能需要對(duì)OpenCV庫(kù)有一定的了解，例如如何處理圖像、打開(kāi)相機(jī)、圖像處理和一些小技巧。它是如何工作的？我們的臉有幾個(gè)可以識(shí)別的特征，比如眼睛、嘴巴、鼻子等等。當(dāng)我們使用DLib算法檢測(cè)這些特征時(shí)，我們實(shí)際上得到了每個(gè)特征點(diǎn)的映射。該映射由67個(gè)點(diǎn)（稱為地標(biāo)點(diǎn)）組成，可識(shí)別以下特征：
顎點(diǎn)＝ 0–16右眉點(diǎn)＝ 17–21左眉點(diǎn)＝ 22–26鼻點(diǎn)＝ 27–35右眼點(diǎn)＝ 36–41左眼點(diǎn)＝ 42–47口角＝ 48–60嘴唇分?jǐn)?shù)＝ 61–67現(xiàn)在讓我們來(lái)了解如何提取特征。安裝要求與往常一樣，本文將用代碼演示示例，并將逐步指導(dǎo)你實(shí)現(xiàn)一個(gè)完整的人臉特征識(shí)別示例。但是在開(kāi)始之前，你需要啟動(dòng)一個(gè)新的Python項(xiàng)目并安裝3個(gè)不同的庫(kù)：opencv pythondlib如果像我一樣使用pipenv，可以使用以下命令安裝所有這些文件：pipenv install opencv－python， dlib如果你使用的是Mac和某些版本的Linux，則在安裝dlib時(shí)可能會(huì)遇到一些問(wèn)題，如果遇到的是編譯錯(cuò)誤，請(qǐng)檢查使用的CMake庫(kù)版本。在Mac中，確保你有可用的CMake，并且使用正確的版本運(yùn)行：brew install cmake對(duì)于其他操作系統(tǒng)，請(qǐng)?jiān)诰€檢查以獲得特定支持。步驟1：載入并顯示圖片我們將從小處著手并以代碼為基礎(chǔ)，直到有一個(gè)可以正常工作的示例為止。通常，我喜歡使用繪圖來(lái)渲染圖像，但是由于我們?cè)谥蟮奈恼轮袦?zhǔn)備了一些很酷的東西，因此我們將做一些不同的事情，并且將創(chuàng)建一個(gè)窗口來(lái)展示我們的工作結(jié)果。讓我們一起看看代碼吧！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（）很簡(jiǎn)單，對(duì)吧？我們只是用imread加載圖像，然后告訴OpenCV在winname中顯示圖像，這將打開(kāi)窗口并給它一個(gè)標(biāo)題。之后，我們需要暫停執(zhí)行，因?yàn)楫?dāng)腳本停止時(shí)，窗口會(huì)被破壞，所以我們使用cv2．waitKey來(lái)保持窗口，直到按下某個(gè)鍵，然后銷毀窗口并退出腳本。如果使用代碼并在代碼目錄中添加了一個(gè)名為face．jpg的圖像，你應(yīng)該得到如下內(nèi)容：原始圖像：
步驟2：人臉識(shí)別到目前為止，我們還沒(méi)有對(duì)圖像做任何處理，只是把它呈現(xiàn)在一個(gè)窗口中，這是非常無(wú)聊的，但是現(xiàn)在我們將開(kāi)始加入其它的內(nèi)容，我們將從識(shí)別圖像中選擇一張臉開(kāi)始。為此，我們將使用名為get＿frontial＿face＿detector（）的Dlib函數(shù)，非常直觀，但是有一個(gè)警告提示這個(gè)函數(shù)只適用于灰度圖像，所以我們必須首先使用OpenCV。get＿frontial＿face＿detector（）會(huì)返回一個(gè)檢測(cè)器，該檢測(cè)器是一個(gè)我們可以用來(lái)檢索人臉信息的函數(shù)，每個(gè)面都是一個(gè)對(duì)象，其中包含可以找到圖像的位置點(diǎn)。但我們最好在代碼上看看：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（）上面的代碼將從圖像中檢索所有面部，并在每個(gè)面部上渲染一個(gè)矩形，從而產(chǎn)生如下圖像：
123下一頁(yè)>（免責(zé)聲明：本網(wǎng)站內(nèi)容主要來(lái)自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準(zhǔn)確性及可靠性，但不保證有關(guān)資料的準(zhǔn)確性及可靠性，讀者在使用前請(qǐng)進(jìn)一步核實(shí)，并對(duì)任何自主決定的行為負(fù)責(zé)。本網(wǎng)站對(duì)有關(guān)資料所引致的錯(cuò)誤、不確或遺漏，概不負(fù)任何法律責(zé)任。
任何單位或個(gè)人認(rèn)為本網(wǎng)站中的網(wǎng)頁(yè)或鏈接內(nèi)容可能涉嫌侵犯其知識(shí)產(chǎn)權(quán)或存在不實(shí)內(nèi)容時(shí)，應(yīng)及時(shí)向本網(wǎng)站提出書(shū)面權(quán)利通知或不實(shí)情況說(shuō)明，并提供身份證明、權(quán)屬證明及詳細(xì)侵權(quán)或不實(shí)情況證明。本網(wǎng)站在收到上述法律文件后，將會(huì)依法盡快聯(lián)系相關(guān)文章源頭核實(shí)，溝通刪除相關(guān)內(nèi)容或斷開(kāi)相關(guān)鏈接。 ）
