**简单的人脸识别 记个笔记 **

# 导入库
import cv2.cv2 as cv2
import numpy as np
import dlib
import matplotlib.pyplot as plt

# 方法1：显示图像
def show_image(image,title):
	# opencv读取图像是BGR 而matplotlib是 RGB 格式
    img_RGB = image[:, :, ::-1]#BGR To RGB
    plt.title(title)
    plt.imshow(img_RGB)
    plt.axis("off")

# 方法2 :检测出的人脸画框
def plot_rectangle(image,faces):
    for face in faces:
        image = cv2.rectangle(image,(face.left(),face.top()),(face.right(),face.bottom()),(0,255,0),4)
    return image

#主函数
def main():
    #读取图片
    img = cv2.imread('5.jpg')

    #灰度化
    img_gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)

    #调用dlib中的检测器
    detector = dlib.get_frontal_face_detector()
    dets = detector(img_gray,1)#1:将图片放大一倍，便于识别人脸

    #检测出人脸绘制矩形
    img_result = plot_rectangle(img,dets)
    # cv2.imwrite("6.jpg", img_result)  # 将图片保存为6.jpg


    #创建画布
    plt.figure(figsize=(9,6))
    plt.suptitle("face detection with dlib",fontsize=14,fontweight="bold")

    #显示最终结果
    show_image(img_result,"face detection")

    plt.show() #缺少这句，函数不报错 但是不显示图像


if __name__ == '__main__':
    main()

人脸识别+关键点标记68

Python+OpenCV+dlib实现人脸68个关键点检测并标注

'''
人脸关键点检测——dlib
1  dlib.get_frontal_face_detector()  获取人脸检测器
2  dlib.shape_predictor()  预测人脸关键点
'''
# import cv2
#上面的无法自动补全代码
import cv2.cv2 as cv2
import matplotlib.pyplot as plt
import dlib

#读取图片
img = cv2.imread("8.jpg")

#调用人脸检测器
detector = dlib.get_frontal_face_detector()

#加载 预测关键点模型（68个关键点）
predictor = dlib.shape_predictor("shape_predictor_68_face_landmarks.dat")

#灰度化
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)

#人脸检测
faces = detector(gray, 1)  # 1:将图片放大一倍，便于识别人脸; 0 原始图像

#循环 遍历每一张人脸，绘制矩形框和关键点
for face in faces:
    #绘制矩形框

    cv2.rectangle(img, (face.left(), face.top()), (face.right(), face.bottom()), (0, 255, 0), 2)

    #预测关键点
    shape = predictor(img,face)

    #显示关键点
    for pt in shape.parts():
        #获取横纵坐标
        pt_position = (pt.x,pt.y)
        #绘制关键点坐标
        cv2.circle(img,pt_position,1,(0,0,255),-1) #5：点的半径；-1：实心圆

#显示整个效果
plt.imshow(img[:, :, ::-1])
plt.title("68_face_landmarks")
plt.axis("off")
# cv2.imwrite("dlib_68_face_landmarks8.jpg", img)
plt.show()

'''
人脸关键点检测——dlib
1  dlib.get_frontal_face_detector()  获取人脸检测器
2  dlib.shape_predictor()  预测人脸关键点
'''
# import cv2
#上面的无法自动补全代码
import cv2.cv2 as cv2
import matplotlib.pyplot as plt
import dlib
import numpy as np


#读取图片
img = cv2.imread("5.jpg")

#调用人脸检测器
detector = dlib.get_frontal_face_detector()

#加载 预测关键点模型（68个关键点）
predictor = dlib.shape_predictor("shape_predictor_68_face_landmarks.dat")

#灰度化
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)

#人脸检测
faces = detector(gray, 1)  # 1:将图片放大一倍，便于识别人脸; 0 原始图像

for i in range(len(faces)):
    # 绘制矩形框
    cv2.rectangle(img, (faces[i].left(), faces[i].top()), (faces[i].right(), faces[i].bottom()), (0, 255, 0), 2)

    # # 预测关键点
    # shape = predictor(img, faces[i])
    # # 显示关键点
    # for p in shape.parts():
    #     #获取横纵坐标
    #     pt_position = (p.x,p.y)
    #     #绘制关键点坐标
    #     cv2.circle(img,pt_position,1,(0,0,255),-1) #5：点的半径；-1：实心圆

    landmarks = np.matrix([[p.x, p.y] for p in predictor(img, faces[i]).parts()])

    for idx, point in enumerate(landmarks):
        # 68点的坐标
        pos = (point[0, 0], point[0, 1])
        # 利用cv2.circle给每个特征点画一个圈，共68个
        cv2.circle(img, pos, 2, color=(0, 0, 255))
        # 利用cv2.putText输出1-68
        font = cv2.FONT_HERSHEY_SIMPLEX
        cv2.putText(img, str(idx + 1), pos, font, 0.5, (255, 0,0 ), 1, cv2.LINE_AA)
        print("index=" + str(idx + 1) + " x=" + str(pos[0]) + " y=" + str(pos[1]))

#显示整个效果
plt.imshow(img[:, :, ::-1])
plt.title("68_face_landmarks")
plt.axis("off")
plt.show()