dlibdlib介绍
这里主要试着实现脸部检测。 dlib的面部检测主要基于HOG-SVM，与opencv的面部检测【之前写的博客】的面部检测不同。 相比之下，dlib的识别精度更高，即使是很少的遮挡也能识别。 (但是，必须具体分析情况。 部分面部反而可以用opencv检测到。 )但是，dlib的面部识别的图像大小大于80X80可以得到更好的识别效果。 dlib还可以对齐68个键。
如果想要更高的识别精度，因为我以前做实验识别的数据都是一个人的头像，所以我直接简单粗暴地把这两个结合了起来。 写if else，哈哈哈哈哈哈
但是，安装dlib库很麻烦。 需要另外下载很多其他库，并下载VS。 我记得安装后找了很多教程，花了点功夫安装。
实现：
importdlibimportcv2#dlib正面面部检测器frontal _ face _ detector detector=dlib.get _ frontal _ face _ detector (#图像所在路径img (64，64 ) ) #img_gray=cv2.cvtcolor ) img， cv2.COLOR_RGB2GRAY )用于生成Dlib的图像窗口# win=dlib.image _ window (# win.set _ image ) img ) )使用检测器在图像中Faces in all:)，len ) Faces ) ) for i，dinenumerate ) faces ) : print )，第)，第) )。 d.left (，(t )，) right: )、d.right )、(t )、(top: )、d.top )、) t )、) bottom: ) )。 d.top () )、tuple(d.right )、d.bottom ) )、0，255，255 )、2 ) else3360print ) ' noface ' ) cv2.non img )
正如前面的博客测试图所示，我们发现dlib无法识别所有内容。 所以，请具体看看自己识别的数据集。
我又换了一张像素大的，但都识别出来了。
关键点定位：
#实例化检测器=dlib.get _ frontal _ face _ detector (predictor=dlib.shape _ predictor (shape _ predictor ) img=cv2.im read (r ' c : (users (Lenovo ) desktop )2.jpg ) #面部数量rects=detector ) img， 1 )打印(len (rects ) (print )打印(rects ) forIinrange ) len ) rects ) ) : landmarks=NP.matrix ([ [ p [ p.x，p.y ] frex ] ) ) )。 1 ) print(idx，pos ) )利用cv2.circle圈定每个特征点，共68个cv2.circle ) img，pos，5，color=) 0，255， 0 ) #利用cv2.putText输出1-68 font=cv2.font _ Hershey _ simplex # cv2.put text (img，str(idx1)，pos，font，0.8，cc
原图
结果
要键入的参数：
链接： https://pan.Baidu.com/s/1 kcdickj9VF S1 smka 87 ejrg
抽屉代码： ju3e
完整版见my github
其中有实现批量处理的代码。