博客
关于我
强烈建议你试试无所不能的chatGPT,快点击我
【人脸识别——Dlib学习2】Face Landmark Detection
阅读量:6153 次
发布时间:2019-06-21

本文共 2410 字,大约阅读时间需要 8 分钟。

  1. 官网文档翻译

  1. 这个例子展示如何找到人的正脸,并且估计它的姿态。这个姿态由68个标点描述。人脸上会被标记很多点,例如嘴的边角,沿着眉毛,眼睛上等等。
  2. 我们使用的Face detector是使用经典的HOG特征,结合线性分类器、图像金字塔和滑动窗口检测的算法。姿态估计器的建立是基于下文:One Millisecond Face Alignment with an Ensemble of Regression Trees by Vahid Kazemi and Josephine Sullivan, 并且在iBUG 300-W face landmark dataset进行训练。

 

 

# -*-coding:utf-8-*-#author: lyp time: 2018/9/10import sysimport osimport dlibimport glob# 本例子要求你在cmd中输入两个参数# 参数一是68点文件的路径,传给predictor_path# 参数二是要检测的图片的路径,传给face_folder_path# Windows这个方式不太友好,一直提醒没有dlib模块。if len(sys.argv) != 3:    print(        "Give the path to the trained shape predictor model as the first "        "argument and then the directory containing the facial images.\n"        "For example, if you are in the python_examples folder then "        "execute this program by running:\n"        "    ./face_landmark_detection.py shape_predictor_68_face_landmarks.dat ../examples/faces\n"        "You can download a trained facial shape predictor from:\n"        "    http://dlib.net/files/shape_predictor_68_face_landmarks.dat.bz2")    exit()# 输入的路径传给对应参数predictor_path = sys.argv[1]faces_folder_path = sys.argv[2]detector = dlib.get_frontal_face_detector()  # 人脸检测器的生成predictor = dlib.shape_predictor(predictor_path)  # 特征点提取器的生成win = dlib.image_window()  # dlib提供的图片窗口# 获取指定文件路径下的所有.jpg文件,'*'是通配符for f in glob.glob(os.path.join(faces_folder_path, "*.jpg")):    print("Processing file: {}".format(f))    img = dlib.load_rgb_image(f)    win.clear_overlay()    win.set_image(img)    # Ask the detector to find the bounding boxes of each face. 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.    # 将图像进行向上采样一倍    dets = detector(img, 1)    print("Number of faces detected: {}".format(len(dets)))    # 使用enumerate函数遍历dets中元素        for k, d in enumerate(dets):        print("Detection {}: Left: {} Top: {} Right: {} Bottom: {}".format(            k, d.left(), d.top(), d.right(), d.bottom()))                # Get the landmarks/parts for the face in box d.        shape = predictor(img, d)        print("Part 0: {}, Part 1: {} ...".format(shape.part(0),                                                  shape.part(1)))        # Draw the face landmarks on the screen.        win.add_overlay(shape)    win.add_overlay(dets)    dlib.hit_enter_to_continue()

 

转载于:https://www.cnblogs.com/gfgwxw/p/9622955.html

你可能感兴趣的文章
restful
查看>>
单线程爬虫实现
查看>>
锁与线程
查看>>
bzoj 3223: Tyvj 1729 文艺平衡树
查看>>
MySQL高级 之 order by、group by 优化
查看>>
JavaScript学习笔记(三)
查看>>
PyQt4学习笔记2:事件和信号
查看>>
windows系统实现mysql数据库数据库主从复制
查看>>
elasticsearch5.0.1集群排错的几个思路总结
查看>>
Linux 平台设备驱动模型
查看>>
前端学习之jquery
查看>>
RedHat6.2搭建FTP服务器
查看>>
DataTable学习笔记
查看>>
this指向问题
查看>>
原生查找DOM的方法
查看>>
Global variables vs. Host variables vs. Parameter markers
查看>>
百度电影推荐系统比赛 小结 ——记我的初步推荐算法实践
查看>>
HDU2033 人见人爱A+B
查看>>
天龙八部中的诗词
查看>>
jQuery CSS 添加/删除类名
查看>>