一些關於dlib的介紹
import dlib
import cv2
# 使用 dlib 的正面人臉檢測器 frontal_face_detector
detector = dlib.get_frontal_face_detector(
)# 所在路徑
# 生成 dlib 的影象視窗
# win = dlib.image_window()
# win.set_image(img)
# 使用detector檢測器來檢測影象中的人臉
# dlib.pyramid_up(img)
faces = detector(img,1)
iflen
(faces)
>=1:
print
("人臉數 / faces in all："
,len
(faces)
)for i, d in
enumerate
(faces)
:print
("第"
, i +1,
"個人臉的矩形框座標："
,"left:"
, d.left(),
'\t'
,"right:"
, d.right(),
'\t'
,"top:"
, d.top(),
'\t'
,"bottom:"
, d.bottom())
img=cv2.rectangle(img,
tuple
([d.left(
), d.top()]
),tuple
([d.right(
), d.bottom()]
),(0
,255
,255),
2)else
:print
("no face"
)cv2.namedwindow(
"img",2
)cv2.imshow(
"img"
, img)
cv2.waitkey(0)
# 繪製矩陣輪廓
# win.add_overlay(faces)
# 保持影象
# dlib.hit_enter_to_continue()
# 例項化 detector
)# 人臉數rects
rects = detector(img,1)
print
(len
(rects)
)print
(rects)
for i in
range
(len
(rects)):
landmarks = np.matrix(
[[p.x, p.y]
for p in predictor(img, rects[i]
).parts()]
)print
(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給每個特徵點畫乙個圈，共68個
cv2.circle(img, pos,
5, color=(0
,255,0
))# 利用cv2.puttext輸出1-68
font = cv2.font_hershey_******x
# 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)
其中有實現批量處理的**。
python dlib 面部輪廓實時檢測
coding utf 8 import cv2 import os import dlib def assure path exists path dir os.path.dirname path if not os.path.exists dir os.makedirs dir vid cam c...
使用Dlib庫進行人臉檢測，人臉對齊和人臉識別
在之前的部落格中，我已經介紹了如何使用dlib 18.17進行人臉檢測和人臉對齊。windows10 vs2013環境下dlib庫的編譯與使用 鄔小陽 使用dlib庫進行人臉檢測與對齊 鄔小陽 最近又看dlib官網時，發現dlib 19.3開始又加入了人臉識別dnn模型，而且在lfw上取得了99.3...
使用Dlib庫進行人臉檢測，人臉對齊和人臉識別
在之前的部落格中，我已經介紹了如何使用dlib 18.17進行人臉檢測和人臉對齊。windows10 vs2013環境下dlib庫的編譯與使用 鄔小陽 使用dlib庫進行人臉檢測與對齊 鄔小陽 最近又看dlib官網時，發現dlib 19.3開始又加入了人臉識別dnn模型，而且在lfw上取得了99.3...