今天，我們將學(xué)習(xí)如何檢測圖像中的人臉并提取面部特征，如眼睛、鼻子、嘴巴等。我們可以將這些信息作為一個(gè)預(yù)處理步驟來完成，例如捕捉照片中人物的人臉（手動(dòng)或通過機(jī)器學(xué)習(xí)），創(chuàng)建效果來“增強(qiáng)”我們的圖像（類似于Snapchat等應(yīng)用程序中的效果），對人臉進(jìn)行情感分析等等。今天我們將通過引入DLib和從圖像中提取面部特征來將其提升到一個(gè)新的水平。相關(guān)閱讀：https：／／towardsdatascience．com／essential－opencv－functions－to－get－you－started－into－computer－vision－743df932e60Dlib是一個(gè)高級的機(jī)器學(xué)習(xí)庫，它是為解決復(fù)雜的現(xiàn)實(shí)世界問題而創(chuàng)建的。這個(gè)庫是用C＋＋編程語言創(chuàng)建的，它與C／C＋＋、Python和java一起工作。Dlib：http：／／dlib．net／值得注意的是，本教程可能需要對OpenCV庫有一定的了解，例如如何處理圖像、打開相機(jī)、圖像處理和一些小技巧。它是如何工作的？我們的臉有幾個(gè)可以識別的特征，比如眼睛、嘴巴、鼻子等等。當(dāng)我們使用DLib算法檢測這些特征時(shí)，我們實(shí)際上得到了每個(gè)特征點(diǎn)的映射。該映射由67個(gè)點(diǎn)（稱為地標(biāo)點(diǎn)）組成，可識別以下特征：

顎點(diǎn)＝ 0–16右眉點(diǎn)＝ 17–21左眉點(diǎn)＝ 22–26鼻點(diǎn)＝ 27–35右眼點(diǎn)＝ 36–41左眼點(diǎn)＝ 42–47口角＝ 48–60嘴唇分?jǐn)?shù)＝ 61–67現(xiàn)在讓我們來了解如何提取特征。安裝要求與往常一樣，本文將用代碼演示示例，并將逐步指導(dǎo)你實(shí)現(xiàn)一個(gè)完整的人臉特征識別示例。但是在開始之前，你需要啟動(dòng)一個(gè)新的Python項(xiàng)目并安裝3個(gè)不同的庫：opencv pythondlib如果像我一樣使用pipenv，可以使用以下命令安裝所有這些文件：pipenv install opencv－python， dlib如果你使用的是Mac和某些版本的Linux，則在安裝dlib時(shí)可能會遇到一些問題，如果遇到的是編譯錯(cuò)誤，請檢查使用的CMake庫版本。在Mac中，確保你有可用的CMake，并且使用正確的版本運(yùn)行：brew install cmake對于其他操作系統(tǒng)，請?jiān)诰�檢查以獲得特定支持。步驟1：載入并顯示圖片我們將從小處著手并以代碼為基礎(chǔ)，直到有一個(gè)可以正常工作的示例為止。通常，我喜歡使用繪圖來渲染圖像，但是由于我們在之后的文章中準(zhǔn)備了一些很酷的東西，因此我們將做一些不同的事情，并且將創(chuàng)建一個(gè)窗口來展示我們的工作結(jié)果。讓我們一起看看代碼吧！import cv2＃ read the imageimg ＝ cv2．imread（＂face．jpg＂）＃ show the imagecv2．imshow（winname＝＂Face＂， mat＝img）＃ Wait for a key press to exitcv2．waitKey（delay＝0）＃ Close all windowscv2．destroyAllWindows（）很簡單，對吧？我們只是用imread加載圖像，然后告訴OpenCV在winname中顯示圖像，這將打開窗口并給它一個(gè)標(biāo)題。之后，我們需要暫停執(zhí)行，因?yàn)楫?dāng)腳本停止時(shí)，窗口會被破壞，所以我們使用cv2．waitKey來保持窗口，直到按下某個(gè)鍵，然后銷毀窗口并退出腳本。如果使用代碼并在代碼目錄中添加了一個(gè)名為face．jpg的圖像，你應(yīng)該得到如下內(nèi)容：原始圖像：

步驟2：人臉識別到目前為止，我們還沒有對圖像做任何處理，只是把它呈現(xiàn)在一個(gè)窗口中，這是非常無聊的，但是現(xiàn)在我們將開始加入其它的內(nèi)容，我們將從識別圖像中選擇一張臉開始。為此，我們將使用名為get＿frontial＿face＿detector（）的Dlib函數(shù)，非常直觀，但是有一個(gè)警告提示這個(gè)函數(shù)只適用于灰度圖像，所以我們必須首先使用OpenCV。get＿frontial＿face＿detector（）會返回一個(gè)檢測器，該檢測器是一個(gè)我們可以用來檢索人臉信息的函數(shù)，每個(gè)面都是一個(gè)對象，其中包含可以找到圖像的位置點(diǎn)。但我們最好在代碼上看看：import cv2import dlib＃ Load the detectordetector ＝ dlib．get＿frontal＿face＿detector（）＃ read the imageimg ＝ cv2．imread（＂face．jpg＂）＃ Convert image into grayscalegray ＝ cv2．cvtColor（src＝img， code＝cv2．COLOR＿BGR2GRAY）＃ Use detector to find landmarksfaces ＝ detector（gray）for face in faces：    x1 ＝ face．left（） ＃ left point    y1 ＝ face．top（） ＃ top point    x2 ＝ face．right（） ＃ right point    y2 ＝ face．bottom（） ＃ bottom point    ＃ Draw a rectangle    cv2．rectangle（img＝img， pt1＝（x1， y1）， pt2＝（x2， y2）， color＝（0， 255， 0）， thickness＝4）＃ show the imagecv2．imshow（winname＝＂Face＂， mat＝img）＃ Wait for a key press to exitcv2．waitKey（delay＝0）＃ Close all windowscv2．destroyAllWindows（）上面的代碼將從圖像中檢索所有面部，并在每個(gè)面部上渲染一個(gè)矩形，從而產(chǎn)生如下圖像：