新书速览|PyTorch深度学习与企业级项目实战-CSDN博客

人脸检测解决的问题是确定一幅图上有没有人脸，而人脸识别解决的问题是这张脸是谁的。可以说人脸检测是人脸识别的前期工作。这里介绍Dlib库，它提供了Python接口，里面有人脸检测器，有训练好的人脸关键点检测器。

安装OpenCV，可以通过下载OpenCV的.whl文件，使用pip install opencv_python-3.4.0-cp36-

cp36m-win_amd64.whl命令来安装。如果import cv2报错ImportError: numpy.core.multiarray failed to import，出现这个问题的解决方法是下载最新版本的NumPy，解决方法是输入命令pip install numpy -–upgrade，结果如图11-3所示表示成功解决。

图11-3

进行实时图像捕获，首先需要学点OpenCV的基础知识，起码知道如何从摄像头获取当前拍到的图像。本项目使用Dlib库，Dlib库提供的功能十分丰富，它提供了Python接口，里面有人脸检测器，也有训练好的人脸关键点检测器。

程序代码如下：

<code>##########实时检测视频中的人脸###############################

import cv2

import dlib

predictor_path = ".\shape_predictor_68_face_landmarks.dat"

#使用dlib自带的frontal_face_detector作为人脸检测器

detector = dlib.get_frontal_face_detector()

# 使用官方提供的模型构建特征提取器

predictor = dlib.shape_predictor(predictor_path)

#初始化窗口

win = dlib.image_window()

cap = cv2.VideoCapture(0) #获取摄像头

while cap.isOpened(): #读取摄像头的图像，函数 isOpened用于判断摄像头是否开启

ok,cv_img = cap.read()

img = cv2.cvtColor(cv_img, cv2.COLOR_RGB2BGR) #转灰度化，简化图像信息

# 与人脸检测程序相同，使用detector进行人脸检测，dets为返回的结果

dets = detector(img, 0)

shapes =[]

if cv2.waitKey(1) & 0xFF == ord('q'):

print("q pressed")

break

else:

# 使用enumerate 函数遍历序列中的元素以及它们的下标

# 下标k即为人脸序号

for k, d in enumerate(dets):

# 使用predictor进行人脸关键点识别， shape为返回的结果

shape = predictor(img, d)

#绘制特征点

for index, pt in enumerate(shape.parts()):

pt_pos = (pt.x, pt.y)

cv2.circle(img, pt_pos, 1, (0,225, 0),2) #利用cv2.putText输出1-68

font = cv2.FONT_HERSHEY_SIMPLEX

cv2.putText(img, str(index+1),pt_pos,font,

0.3, (0, 0, 255), 1, cv2.LINE_AA)

win.clear_overlay()

win.set_image(img)

if len(shapes)!= 0 :

for i in range(len(shapes)):

win.add_overlay(shapes[i])

win.add_overlay(dets)

cap.release()

cv2.destroyAllWindows()

运行结果如图11-4所示。

图11-4

《PyTorch深度学习与企业级项目实战（人工智能技术丛书）》(宋立桓，宋立林)【摘要 书评 试读】- 京东图书 (jd.com)