人臉情感特徵提取（一）—— 知識背景
如果以下內容對你有所幫助，可以點讚關注一下表示支援哦！
import cv2
import dlib
# 與人臉檢測相同，使用dlib自帶的frontal_face_detector作為人臉檢測器
detector = dlib.get_frontal_face_detector(
)# 使用官方提供的模型構建特徵提取器
predictor = dlib.shape_predictor(
"e:\\mutilmodal expression recognition\\shape_predictor_68_face_landmarks\\shape_predictor_68_face_landmarks.dat"
)# cv2讀取
)# 與人臉檢測程式相同,使用detector進行人臉檢測 dets為返回的結果
dets = detector(img,1)
# 使用enumerate 函式遍歷序列中的元素以及它們的下標
# 下標k即為人臉序號
for k, d in
enumerate
(dets)
:# 使用predictor進行人臉關鍵點識別 shape為返回的結果
shape = predictor(img, d)
# 繪製特徵點
for index, pt in
enumerate
(shape.parts())
:print
('part {}: {}'
.format
(index, pt)
) pt_pos =
(pt.x, pt.y)
cv2.circle(img, pt_pos,1,
(255,0
,0),
2)# 利用cv2.puttext輸出1-68
font = cv2.font_hershey_******x
cv2.puttext(img,
str(index +1)
, pt_pos, font,
0.3,(0
,0,255),
1, cv2.line_aa)
cv2.imshow(
"img"
, img)
k = cv2.waitkey(
)cv2.destroyallwindows(
)
之前匯入了dilb但是執行的時候會報錯，大概就是說dlib模組找到不到get_frontal_face_detector屬性，試了挺久還是沒辦法。那行吧，只能全部工作認認真真來一遍了。
下面我開始講如何在pycharm2019.1.2和python3.7的環境下成功將dlib匯入pycharm中。
1、安裝visualstudio2017，這裡建議大家安裝community版本的。
3、接下來就是python3.7的安裝了，這個比較簡單，沒啥可以注意的哈哈。
4、使用pip install cmake 安裝cmake外掛程式。
安裝好之後把cmake的bin路徑加到環境變數中。
6、將安裝完成的boost檔案加路徑加入到環境變數中。
8、最後一步，驗證是否正常執行
emmm，我覺得安裝opencv應該挺簡單的，這裡就略過吧哈哈。
但是，要注意版本最好是跟你的dlib版本對應得上。
這裡附上我的版本截圖。
大家加油！
由於博主能力有限，博文中提及的資訊，也難免會有疏漏之處。希望發現疏漏的朋友能熱心指出其中的錯誤，以便下次修改時能以乙個更完美更嚴謹的樣子，呈現在大家面前。同時如果有更好的方法也請不吝賜教。
希望與大家共同進步！
NMF人臉資料特徵提取
非負矩陣分解 nmf 非負矩陣分解是在矩陣中所有元素均為非負數約束條件之下的矩陣分解方法。基本思想 給定乙個非負矩陣v，nmf能夠找到乙個非負矩陣w和乙個非負矩陣h，使得矩陣w和h的乘積近似等於矩陣v中的值。非負矩陣分解 nmf import matplotlib.pyplot as plt fro...
LBP演算法（人臉識別特徵提取）
lbp local binary patterns，區域性二值模式 是提取區域性特徵作為判別依據的。lbp方法顯著的優點是對光照不敏感，但是依然沒有解決姿態和表情的問題。不過相比於特徵臉方法，lbp的識別率已經有了很大的提公升。在 1 的文章裡，有些人臉庫的識別率已經達到了98 1 lbp特徵提取 ...
特徵工程 特徵提取
特徵提取 將任意資料 如文字或影象 轉換為可用於機器學習的數字特徵 注 特徵值化是為了計算機更好的去理解資料 字典特徵提取 作用 對字典資料進行特徵值化 dictvectorizer.get feature names 返回類別名稱 from sklearn.feature extraction i...