0.引言

利用Dlib官方训练好的模型“shape_predictor_68_face_landmarks.dat”进行68点标定，利用OpenCv进行图像化处理，在人脸上画出68个点，并标明序号；

实现的68个特征点标定功能如下图所示：

图1 人脸68个特征点的标定 

1.开发环境

　　python:3.6.3

　　dlib:19.7

　　OpenCv, numpy

需要调用的库：　

import dlib #人脸识别的库dlib
import numpy as np #数据处理的库numpy
import cv2 #图像处理的库OpenCv

2.设计流程

工作内容主要以下两大块：68点标定和OpenCv绘点

68点标定：

借助官方的Demo（face_landmark_detection.py，在之前另一篇博客里面介绍过学习Python3 Dlib19.7进行人脸面部识别）实现；

OpenCv绘点：

介绍了用到的 画圆函数cv2.circle() 和 输出字符串函数 cv2.putText() ；

流程：

　　1.调用dlib库来进行人脸识别，调用预测器“shape_predictor_68_face_landmarks.dat”进行68点标定

　　2.存入68个点坐标

　　3.利用cv2.circle来画68个点

　　4.利用cv2.putText()函数来画数字1-68

3.源码

# 68-points
# 2017-12-28
# By TimeStamp
# #cnblogs: http://www.cnblogs.com/AdaminXie/
import dlib      #人脸识别的库dlib
import numpy as np    #数据处理的库numpy
import cv2      #图像处理的库OpenCv

# dlib预测器
detector = dlib.get_frontal_face_detector()
predictor = dlib.shape_predictor('shape_predictor_68_face_landmarks.dat')

path="********************"

# cv2读取图像
img=cv2.imread(path+"test.jpg")

# 取灰度
img_gray = cv2.cvtColor(img, cv2.COLOR_RGB2GRAY)

# 人脸数rects
rects = detector(img_gray, 0)

for i in range(len(rects)):
 landmarks = np.matrix([[p.x, p.y] for p in predictor(img, rects[i]).parts()])

 for idx, point in enumerate(landmarks):
  # 68点的坐标
  pos = (point[0, 0], point[0, 1])

  # 利用cv2.circle给每个特征点画一个圈，共68个
  cv2.circle(img, pos, 5, color=(0, 255, 0))

  # 利用cv2.putText输出1-68
  font = cv2.FONT_HERSHEY_SIMPLEX
  cv2.putText(img, str(idx+1), pos, font, 0.8, (0, 0, 255), 1, cv2.LINE_AA)

cv2.namedWindow("img", 2)
cv2.imshow("img", img)
cv2.waitKey(0) 

note：OpenCv的画图函数

         1. 画圆 cv2.circle( img, (p1,p2), r, (255,255,255) )

　　　　参数1：　　img-　　　　      图片对象；

　　　　参数2：　　(p1,p2)-　　        圆心坐标；

　　　　参数3：　　r-　　　　　　    半径；

　　　　参数4：　　(255,255,255)-　 颜色数组；　 

 　　2. 输出字符 cv2.putText( img,"test", (p1,p2), font, 4, (255,255,255), 2, cv2, LINE_AA )

　　　　参数1：　　img-　　　　　　图像对象；

　　　　参数2：　　"test"-　　　　　 需要打印的字符text（数字的话可以利用str()转成字符）;

　　　　参数3：　　(p1,p2)-　　　  　坐标textOrg；

　　　　参数4：　　font-　　　　　　字体fontFace（注意这里 font = cv2.FONT_HERSHEY_SIMPLEX）;

　　　　参数5：　　4-　　　　　　　字号fontScale；

　　　　参数6：　　(255,255,255)-　  颜色数组；

　　　　参数7：　　2-　　　　　　　 线宽thickness；

　　　　参数8：　　LINE_AA-　　　   线条种类line_type；

*关于 颜色数组：

　　　　　　(255,255,255), (蓝色，绿色，红色)，每个值都是0-255；

　　　　　　比如：蓝色(255,0,0)，紫色(255,0,255)　　　　

可以调整cv2.circle()函数和cv2.putText()函数中的 半径、线宽 等参数使得输出满足需求方便查看；

结果：

图2 测试结果1 

图3 测试结果2

以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持。