使用 dlib 进行人脸特征点检测

Question

我有以下代码：

image_1 = cv2.imread('headshot13-14-2.jpg')
image_1_rgb = cv2.cvtColor(image_1, cv2.COLOR_BGR2RGB)
image_1_gray = cv2.cvtColor(image_1_rgb, cv2.COLOR_BGR2GRAY)
p = "shape_predictor_68_face_landmarks.dat"
detector = dlib.get_frontal_face_detector()
predictor = dlib.shape_predictor(p)

face = detector(image_1_gray)
face_landmarks = predictor(image_1_gray, face)

并且我在 face = predictor(image_1_gray, face) 行收到以下错误：

TypeError: __call__(): incompatible function arguments. The following argument types are supported:
    1. (self: dlib.shape_predictor, image: array, box: dlib.rectangle) -> dlib.full_object_detection

但是，我检查了面的类型（它是 dlib.rectangles）并且 image_1_gray 是一个 numpy ndarray。有谁知道为什么这个错误仍然出现？

Answer 1

face 变量可能包含多个值，因此您需要为每个值使用 predictor。

例如：

for (i, rect) in enumerate(face):
    face_landmarks = predictor(image_1_gray, rect)

要在人脸显示检测值：

shp = face_utils.shape_to_np(face_landmarks)

要使用face_utils，您需要安装imutils。

您的 shp 变量大小很可能是 (68, 2)。其中 68 是面部检测点，2 是 (x, y) 坐标元组。

现在，要在图像上绘制检测到的人脸：

首先，获取坐标

x = rect.left()
y = rect.top()
w = rect.right() - x
h = rect.bottom() - y

绘制坐标：

cv2.rectangle(image_1, (x, y), (x + w, y + h), (0, 255, 0), 2)

图像中可能有多张脸，所以您可能需要标记它们

cv2.putText(image_1, "Face #{}".format(i + 1), (x - 10, y - 10),
            cv2.FONT_HERSHEY_SIMPLEX, 0.5, (0, 255, 0), 2)

现在画出脸上的68个点：

for (x, y) in shp:
    cv2.circle(image_1, (x, y), 1, (0, 0, 255), -1)

结果：

代码：

for (i, rect) in enumerate(face):
    face_landmarks = predictor(image_1_gray, rect)
    shp = face_utils.shape_to_np(face_landmarks)
    x = rect.left()
    y = rect.top()
    w = rect.right() - x
    h = rect.bottom() - y
    cv2.rectangle(image_1, (x, y), (x + w, y + h), (0, 255, 0), 2)
    cv2.putText(image_1, "Face #{}".format(i + 1), (x - 10, y - 10),
                cv2.FONT_HERSHEY_SIMPLEX, 0.5, (0, 255, 0), 2)
    for (x, y) in shp:
        cv2.circle(image_1, (x, y), 1, (0, 0, 255), -1)

cv2.imshow("face", image_1)
cv2.waitKey(0)

你也可以看看tutorial

使用 dlib 进行人脸特征点检测

Face landmarks detection with dlib

python

opencv

computer-vision

dlib

facial-landmark-alignment