Dlib提取人脸特征点（68点，opencv画图）

来源：互联网发布：阿里云服务器安全问题编辑：程序博客网时间：2024/05/18 01:20

//女票被学妹约出去看电影了，所以有点无聊的我来写博客了。

主要在官网给的Demo基础之上用Opencv把特征点描绘出来了。

很早之前写过一篇配置Dlib环境的博客，现在来稍微梳理下提取特征点的使用方法。

上一篇配置环境博客地址：http://blog.csdn.net/zmdsjtu/article/details/52422847

惯例先放效果图吧：

动图如下：

接着就是简单粗暴的代码：

//@zmdsjtu@163.com//2016-12-4//http://blog.csdn.net/zmdsjtu/article/details/53454071#include <dlib/opencv.h>#include <opencv2/opencv.hpp>#include <dlib/image_processing/frontal_face_detector.h>#include <dlib/image_processing/render_face_detections.h>#include <dlib/image_processing.h>#include <dlib/gui_widgets.h>using namespace dlib;using namespace std;int main(){try{cv::VideoCapture cap(0);if (!cap.isOpened()){cerr << "Unable to connect to camera" << endl;return 1;}//image_window win;// Load face detection and pose estimation models.frontal_face_detector detector = get_frontal_face_detector();shape_predictor pose_model;deserialize("shape_predictor_68_face_landmarks.dat") >> pose_model;// Grab and process frames until the main window is closed by the user.while (cv::waitKey(30) != 27){// Grab a framecv::Mat temp;cap >> temp;cv_image<bgr_pixel> cimg(temp);// Detect faces std::vector<rectangle> faces = detector(cimg);// Find the pose of each face.std::vector<full_object_detection> shapes;for (unsigned long i = 0; i < faces.size(); ++i)shapes.push_back(pose_model(cimg, faces[i]));if (!shapes.empty()) {for (int i = 0; i < 68; i++) {circle(temp, cvPoint(shapes[0].part(i).x(), shapes[0].part(i).y()), 3, cv::Scalar(0, 0, 255), -1);//shapes[0].part(i).x();//68个}}//Display it all on the screenimshow("Dlib特征点", temp);}}catch (serialization_error& e){cout << "You need dlib's default face landmarking model file to run this example." << endl;cout << "You can get it from the following URL: " << endl;cout << "   http://dlib.net/files/shape_predictor_68_face_landmarks.dat.bz2" << endl;cout << endl << e.what() << endl;}catch (exception& e){cout << e.what() << endl;}}

来看下上面那段代码，所有的需要的特征点都存储在Shapes里。仔细看看下面这行代码：

circle(temp, cvPoint(shapes[0].part(i).x(), shapes[0].part(i).y()), 3, cv::Scalar(0, 0, 255), -1);

可以看到shpes[0]代表的是第一个人（可以同时检测到很多个人），part(i)代表的是第i个特征点，x()和y()是访问特征点坐标的途径。

每个特征点的编号如下：

在上述画图的基础上加了如下一行代码：

putText(temp, to_string(i), cvPoint(shapes[0].part(i).x(), shapes[0].part(i).y()), CV_FONT_HERSHEY_PLAIN, 1, cv::Scalar(255, 0, 0),1,4);

效果图：

对照着上图，比如说想获取鼻尖的坐标，那么横坐标就是shapes[0].part[30].x()，其余的类似。

在这个的基础上就可以做很多有意思的事情啦，2333

最后祝大家开发愉快：）

//顺便祝女票大人和学妹看电影愉快（摊手）

10 3