寒假跟著老師做科技部的專案，主要做微表情的檢測。剛開始一頭霧水，在研究了兩天之後，漸漸找到了一點感覺。 ——這裡主要實現了利用python3.6 + OpenCV + dlib 實現人臉68個關鍵點檢測並標註 。

• python3.6下dlib的配置
• 利用提供的訓練模型進行人臉檢測
• 使用OpenCV進行標註

python3.6 下 dlib 的配置

dlib在python下的配置反反覆覆一直在折騰，一會說編碼錯誤，一會又查資料說需要安裝編譯boost和Cmake等其他軟體環境。反覆查詢資料後，這裡給出一種簡單快速地安裝方法，不需要安裝編譯boost和Cmake等其他軟體環境。

對應Anaconda的安裝在這裡不是重點，就不多說了。沒有安裝過的可以去找度娘。

第一步

使用Anaconda建立一個Python版本為3.6的Python環境。

第二步

在終端中開啟環境。

第三步

輸入：

pip install dlib==19.7.0

注意：直接輸入安裝dlib可能會出錯，因為可能最新版無whl格式的安裝包，所以建議安裝19.7.0版本，可以跳過安裝boost和Cmake。

等待安裝成功！

人臉檢測 + 標註

利用Dlib官方訓練好的模型“shape_predictor_68_face_landmarks.dat”

實現的68個特徵點標定功能如下圖所示：

設計流程

工作內容主要以下兩大塊：68點標定 和 OpenCv繪點

68點標定：

藉助官方的訓練模型實現；

OpenCv繪點：

介紹了用到的 畫圓函式cv2.circle() 和 輸出字串函式 cv2.putText() ；

流程：

　　1. 呼叫dlib庫來進行人臉識別，呼叫預測器“shape_predictor_68_face_landmarks.dat”進行68點標定
　　2. 存入68個點座標
　　3. 利用 cv2.circle

來畫68個點
　　4. 利用 cv2.putText() 函式來畫數字1-68

程式展示

# _*_ coding:utf-8 _*_

import numpy as np
import cv2
import dlib

detector = dlib.get_frontal_face_detector()
predictor = dlib.shape_predictor('shape_predictor_68_face_landmarks.dat')

# cv2讀取影象
img = cv2.imread("1.jpg")

# 取灰度
img_gray = cv2.cvtColor(img, cv2.COLOR_RGB2GRAY)

# 人臉數rects
rects = detector(img_gray, 0)
for i in range(len(rects)):
    landmarks = np.matrix([[p.x, p.y] for p in predictor(img,rects[i]).parts()])
    for idx, point in enumerate(landmarks):
        # 68點的座標
        pos = (point[0, 0], point[0, 1])
        print(idx,pos)

        # 利用cv2.circle給每個特徵點畫一個圈，共68個
        cv2.circle(img, pos, 5, color=(0, 255, 0))
        # 利用cv2.putText輸出1-68
        font = cv2.FONT_HERSHEY_SIMPLEX
        cv2.putText(img, str(idx+1), pos, font, 0.8, (0, 0, 255), 1,cv2.LINE_AA)

cv2.namedWindow("img", 2)
cv2.imshow("img", img)
cv2.waitKey(0)

結果展示

作者 @culeao
2018 年 02月 08日