0.引言

　　自己在下载dlib官网给的example代码时，一开始不知道怎么使用，在一番摸索之后弄明白怎么使用了；

　　现分享下 face_detector.py 和 face_landmark_detection.py 这两个py的使用方法；

　　1.简介

　　python:　　3.6.3

　　dlib:　　　 19.7　　

　　利用dlib的特征提取器，进行人脸 矩形框 的特征提取：

　　利用dlib的68点特征预测器，进行人脸 68点 特征提取：

　　　　效果：

　　　　　　(a) face_detector.py　　　　　　　　(b) face_landmark_detection.py

2.py文件功能介绍

　　face_detector.py :　　　　　　　　识别出图片文件中一张或多张人脸，并用矩形框框出标识出人脸；

　　　　link: http://dlib.net/cnn_face_detector.py.html

　　face_landmark_detection.py ：　　在face_detector.py的识别人脸基础上，识别出人脸部的具体特征部位：下巴轮廓、眉毛、眼睛、嘴巴，同样用标记标识出面部特征；

 　　　　　　link: http://dlib.net/face_landmark_detection.py.html

　　　　2.1. face_detector.py

　　　　官网给的face_detector.py

import sys

import dlib
from skimage import io

detector = dlib.get_frontal_face_detector()
win = dlib.image_window()

for f in sys.argv[1:]:
    print("Processing file: {}".format(f))
    img = io.imread(f)
    # The 1 in the second argument indicates that we should upsample the image
    # 1 time.  This will make everything bigger and allow us to detect more
    # faces.
    dets = detector(img, 1)
    print("Number of faces detected: {}".format(len(dets)))
    for i, d in enumerate(dets):
        print("Detection {}: Left: {} Top: {} Right: {} Bottom: {}".format(
            i, d.left(), d.top(), d.right(), d.bottom()))

    win.clear_overlay()
    win.set_image(img)
    win.add_overlay(dets)
    dlib.hit_enter_to_continue()

# Finally, if you really want to you can ask the detector to tell you the score
# for each detection.  The score is bigger for more confident detections.
# The third argument to run is an optional adjustment to the detection threshold,
# where a negative value will return more detections and a positive value fewer.
# Also, the idx tells you which of the face sub-detectors matched.  This can be
# used to broadly identify faces in different orientations.
if (len(sys.argv[1:]) > 0):
    img = io.imread(sys.argv[1])
    dets, scores, idx = detector.run(img, 1, -1)
    for i, d in enumerate(dets):
        print("Detection {}, score: {}, face_type:{}".format(
            d, scores[i], idx[i]))

 为了方便理解，修改增加注释之后的 face_detector.py

import dlib
from skimage import io

# 使用特征提取器frontal_face_detector
detector = dlib.get_frontal_face_detector()

# path是图片所在路径
path = "F:/code/python/P_dlib_face/pic/"
img = io.imread(path+"1.jpg")

# 特征提取器的实例化
dets = detector(img)

print("人脸数：", len(dets))

# 输出人脸矩形的四个坐标点
for i, d in enumerate(dets):
    print("第", i, "个人脸d的坐标：",
          "left:", d.left(),
          "right:", d.right(),
          "top:", d.top(),
          "bottom:", d.bottom())

# 绘制图片
win = dlib.image_window()
# 清除覆盖
#win.clear_overlay()
win.set_image(img)
# 将生成的矩阵覆盖上
win.add_overlay(dets)
# 保持图像
dlib.hit_enter_to_continue()

对test.jpg进行人脸检测：

结果：

　　图片窗口结果：

　　输出结果：

对于多个人脸的检测结果：

　　2.2 face_landmark_detection.py

　　　　官网给的 face_detector.py