Dlib人脸检测及关键点描述的python实现

首先，安装dlib、skimage前；先安装libboost

sudo apt-get install libboost-python-dev cmake

接下来到dlib官网dlib.net下载最新的dlib版本（我下的是dlib-19.7），进入文件所在目录解压

bzip2 -d dlib-19.7.tar.bz2tar xvf dlib-19.7.tar

这是一个二级解压过程，解压得到文件dlib-19.7，进入该目录下，执行如下命令安装dlib

python setup.py install

安装完成后，切换到python，键入import dlib，无异常提示表明安装成功！
接着安装skimage

sudo apt-get install python-skimage

接下来，dlib的应用先从人脸检测说起：

import sysimport dlibfrom skimage import iodetector = dlib.get_frontal_face_detector() window = dlib.image_window()  img = io.imread("face/0294.jpg")dets = detector(img, 1)  print("Number of faces detected: {}".format(len(dets))) for i, d in enumerate(dets):    print("Detection {}: Left: {} Top: {} Right: {} Bottom: {}".format(i, d.left(), d.top(), d.right(), d.bottom()))window.clear_overlay()window.set_image(img) window.add_overlay(dets)dlib.hit_enter_to_continue() 

首先调用dlib.get_frontal_face_detector() 来加载dlib自带的人脸检测器
dets = detector(img, 1)将检测器应用在输入图片上，结果返回给dets（参数1表示对图片进行上采样一次，有利于检测到更多的人脸）;
dets的个数即为检测到的人脸的个数;
遍历dets可以获取到检测到的每个人脸四个坐标极值。
为了框出检测到的人脸，用dlib.image_window()来加载显示窗口，window.set_image(img)先将图片显示到窗口上，再利用window.add_overlay(dets)来绘制检测到的人脸框;
dlib.hit_enter_to_continue()用于等待点击（类似于opencv的cv2.waitKey(0)，不加这个会出现闪退）。
检测结果如下图：

接下来讲一下关键点的提取：

实现关键点描述需要用到用于特征提取的官方模型，下载地址如下：
http://sourceforge.net/projects/dclib/files/dlib/v18.10/shape_predictor_68_face_landmarks.dat.bz2

# -*- coding: utf-8 -*-import dlibimport numpyfrom skimage import iopredictor_path = "shape_predictor_68_face_landmarks.dat"faces_path = "face/0294.jpg"'''加载人脸检测器、加载官方提供的模型构建特征提取器'''detector = dlib.get_frontal_face_detector()predictor = dlib.shape_predictor(predictor_path)win = dlib.image_window()img = io.imread(faces_path)win.clear_overlay()win.set_image(img)dets = detector(img, 1)print("Number of faces detected: {}".format(len(dets)))for k, d in enumerate(dets):    shape = predictor(img, d)     landmark = numpy.matrix([[p.x, p.y] for p in shape.parts()])    print("face_landmark:")    print (landmark)  # 打印关键点矩阵    win.add_overlay(shape)  #绘制特征点dlib.hit_enter_to_continue()

首先通过dlib.shape_predictor(predictor_path)从路径中加载模型，返回的predictor就是特征提取器
对dets遍历，用predictor(img, d)计算检测到的每张人脸的关键点;
获取每个关键点坐标shape.parts()的x,y值，存入landmark矩阵（模型默认提取68个关键点，所以landmark为68×2矩阵）。
关键点提取结果如下：

最后讲一下关键点位置的描述：

只要将上面for循环内win.add_overlay(shape)的后面加上如下代码就行了！

for idx, point in enumerate(landmarks):    pos = (point[0, 0], point[0, 1])    cv2.putText(img,str(idx),pos,fontFace=cv2.FONT_HERSHEY_SCRIPT_SIMPLEX,                fontScale=0.3,color=(0,255,0))    #cv2.circle(img, pos, 3, color=(0, 255, 0))win.set_image(img)

用pos来存储每个关键点的坐标对(x,y);
再利用opencv的putText()函数按顺序为每个关键点添加描述;
关键点描述如下图所示（为了使关键点顺序清晰，换了张嘴部特征较明显的图）：