三微授渔Python超级教程，使用Python进行检测面部特征

本文插图
今天，我们将学习如何使用图像来检测面部并提取诸如眼睛，鼻子，嘴巴等面部特征。作为捕捉面部的预处理步骤，我们可以做很多令人难以置信的事情，例如捕捉面部用于标记照片中的人物（手动或通过机器学习），创建效果以“增强”我们的图像（类似于Snapchat等应用中的图像），对面部进行情感分析等等。
在过去，我已经介绍了如何使用OpenCV检测图像中的形状，但是今天，我们将通过引入DLib并从图像中提取面部特征将其提升到一个新的水平。 Dlib是一个高级的机器学习库，旨在解决复杂的实际问题。该库是使用C ++编程语言创建的，并且可与C / C ++ ， Python和Java一起使用。值得注意的是，本教程可能需要对OpenCV库有一些前提的了解，例如如何处理图像，打开相机，图像处理以及一些小技巧。
1、它是如何工作的
我们的脸部有几个可以识别的特征，例如我们的眼睛，嘴巴，鼻子等。当我们使用DLib算法检测这些特征时，实际上会得到围绕每个特征的点的地图。该地图由67个点（称为地标点）组成，可以标识以下特征：

本文插图
颚点= 0–16
右眉点= 17–21
左眉点= 22–26
鼻点= 27–35
右眼点= 36–41
左眼点= 42–47
口角= 48–60
【三微授渔Python超级教程，使用Python进行检测面部特征】嘴唇分数= 61–67
现在，我们对计划如何提取特征有所了解，让我们开始编码。
2、安装要求
像往常一样，本文将提供带有代码的示例，我将逐步指导你实现面部特征识别的完整示例。但是在开始之前，你需要启动一个新的Python项目并安装3个不同的库：OpenCV的Python；dlib 。如果你像我一样使用pipenv ，则可以使用以下命令安装所有它们：

本文插图
如果你使用的是Mac和某些版本的Linux ，则在安装dlib时可能会遇到一些问题，如果在安装过程中遇到编译错误，请确保检查使用的CMake库版本。在Mac中，确保你有可用的CMake ，并且可以使用正确的版本运行：

本文插图
对于其他操作系统，请在线检查以获得特定支持。
步骤1：载入并显示图片
我们将从小处着手并以代码为基础，直到有一个可以正常工作的示例为止。通常，我喜欢使用绘图来渲染图像，但是由于我们在稍后的文章中准备了一些很酷的东西，因此我们将做一些不同的事情，并且我们将创建一个窗口来展示我们的工作结果。让我们跳入代码

本文插图
很简单，对吧？我们只是加载了具有未读图像，然后告诉OpenCV以Winname显示图像，这将打开窗口并为其命名。之后，我们需要暂停执行，因为脚本停止时窗口将被破坏，因此我们使用cv2.waitKey保持窗口直到按下某个键，然后销毁窗口并退出脚本。如果你使用该代码并将一个名为face.jpg的图像添加到代码目录中，则应获得如下内容：

本文插图
步骤2：人脸识别
到目前为止，除了将图像呈现到窗口中之外，我们还没有做其他任何事情，这很无聊，但是现在我们将开始对好东西进行编码，并且我们将从识别图像中有脸的位置开始。为此，我们将使用Dlib函数get_frontal_face_detector() ，非常直观。需要注意的是，此功能仅适用于灰度图像，因此我们必须首先使用OpenCV进行此操作。