detector = dlib.get_frontal_face_detector()

功能：人脸检测画框
参数：无
返回值：默认的人脸检测器

faces = detector(img_gray, 0)

功能：对图像画人脸框
参数：img_gray：输入的图片
返回值：人脸检测矩形框4点坐标。坐标为[(x1, y1) (x2, y2)]。可以通过函数的left,right,top,bottom方法分别获取对应的x1, x2, y1, y2值。（cv里的矩阵和C++的那种一样，左上角是(0,0)点，水平为x方向，竖直为y方向，类似笛卡尔系(区别是y轴正方向不同)，所以top的y坐标 < bottom的y坐标。matplotlib是相反的。）

后面那个参数代表将原始图像是否进行放大，1表示放大1倍再检查，提高小人脸的检测效果。

左图是参数为0的检测情况，右图是参数为1的检测情况。

上述例子参考自链接：http://blog.sina.com.cn/s/blog_49b3ba190102yvl9.html

注意dlib只能对灰度图进行检测：

gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

注意更改当前文件运行目录为程序执行文件路径的方法：

https://www.jb51.net/article/138980.htm

下面进行代码实战：

原图地址

代码实战1：人脸检测

import numpy
import dlib
import cv2
import sys
import os# 修改执行目录为该.py文件所在目录
#dirname, filename = os.path.split(os.path.abspath(sys.argv[0]))
dirname, filename = os.path.split(sys.argv[0])
# print(dirname,filename)
# path = os.getcwd()
os.chdir(dirname)
print(os.getcwd())# 人脸检测
detector = dlib.get_frontal_face_detector()# 人脸关键点标注。
predictor = dlib.shape_predictor('shape_predictor_68_face_landmarks.dat'
)
img = cv2.imread('sdtw2.jpg')gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
#这样也可以灰度图但是不建议用：im2 = cv2.imread('tfboys.jpg',flags = 0)faces = detector(gray,0)# 第二个参数越大，代表讲原图放大多少倍在进行检测，提高小人脸的检测效果。for face in faces:#左上角(x1,y1)，右下角(x2,y2)x1, y1, x2, y2 = face.left(), face.top(), face.right(), face.bottom()print(x1,y1,x2,y2)cv2.rectangle(img, (x1, y1), (x2, y2), (0, 255, 0), 2)
cv2.imshow("image", img)
cv2.waitKey(0)

运行结果：

代码实战2：人脸关键点标注

import numpy
import dlib
import cv2
import sys
import os#dirname, filename = os.path.split(os.path.abspath(sys.argv[0]))
dirname, filename = os.path.split(sys.argv[0])
# print(dirname,filename)
# path = os.getcwd()
os.chdir(dirname)
print(os.getcwd())# 人脸检测
detector = dlib.get_frontal_face_detector()# 人脸关键点标注。
predictor = dlib.shape_predictor('shape_predictor_68_face_landmarks.dat'
)
img = cv2.imread('sdtw2.jpg')gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
#这样也可以灰度图但是不建议用：im2 = cv2.imread('tfboys.jpg',flags = 0)dets = detector(gray,0)# 第二个参数越大，代表讲原图放大多少倍在进行检测，提高小人脸的检测效果。for d in dets:# 使用predictor进行人脸关键点检测 shape为返回的结果shape = predictor(gray, d)for index, pt in enumerate(shape.parts()):print('Part {}: {}'.format(index, pt))pt_pos = (pt.x, pt.y)cv2.circle(img, pt_pos, 1, (255, 0, 0), 2)                          #利用cv2.putText标注序号font = cv2.FONT_HERSHEY_SIMPLEXcv2.putText(img, str(index+1),pt_pos,font, 0.3, (0, 0, 255), 1, cv2.LINE_AA)
cv2.imshow("image", img)
cv2.waitKey(0)
cv2.destroyAllWindows()

实验结果：

人脸关键点：

附标号：

代码实战3：佩戴口罩

我们取2,8,14,28作为口罩关键点，即下图3,9,15,29，放入points_key中

对于待测图片的每一个人脸框，按照对应points_key来检测边界，将口罩图片进行缩放，填入对应区域。

注意对下载后的口罩要进行背景去除，这里可以用一些在线处理网站，或者ps等等。（本项目使用已去除背景的口罩已上传到github）

注意实现的时候，有个问题就是透明度的问题，不然会出现下面这个问题：

为了方便讲解，我们将口罩区域分成口罩图像区域，和口罩真实区域。

在代码实现的时候，刚开始只是想着分摊像素值，比如对口罩图像区域，让他80%保留原图像素值，20%来自口罩图像，这样进行merge。但是效果并不是期待的那样。

发现其实口罩部分还是要口罩占主体，所以换成了20%保留原图像素值，80%来自口罩图像，如下图。

剩下的就是透明度的问题了，这里我采用的是二值化方法，把像素值较小的背景部分隐去，像素值较大的是口罩真实区域，采用口罩图80%和人脸图20%进行merge。

阈值设置为80，表现良好。

此项目代码对应代码和实验所用到的图像均放到了github：https://github.com/xuanweiace/put_a_mask_on_the_face/

欢迎下载和star。

项目中是用二值化的方法来实验背景透明的功能，cv2中也自带了一个功能可以实现透明化处理，感兴趣的同学可以搜一下：

透明度覆盖：

img_mix = cv2.addWeighted(img1, 1, img2,1, 0) #合并，其中参数1表示透明度，第一个1表示img1不透明，第二个1表示img1不透明，如果改成0.5表示合并的时候已多少透明度覆盖。

【机器学习】 - 使用dlib进行人脸定位，人脸检测，给人脸图片戴口罩相关推荐

调用摄像头使用face_recognition 或 opencv中haar人脸特征实时检测识别人脸、给人脸打马赛克/给人脸贴图
日萌社人工智能AI:Keras PyTorch MXNet TensorFlow PaddlePaddle 深度学习实战(不定时更新) OpenCV:python调用摄像头同时使用OpenCV中自带 ...
python︱利用dlib和opencv实现简单换脸、人脸对齐、关键点定位与画图
这是一个利用dlib进行关键点定位 + opencv处理的人脸对齐.换脸.关键点识别的小demo.原文来自于<Switching Eds: Face swapping with Python, ...
活体检测眨眼、张嘴、点头、摇头动作一网打尽:人脸面部活体检测系统【含Python源码+PyqtUI界面+原理详解】
基本功能演示摘要:活体检测是用于判断捕捉到的人脸是真实人脸,还是伪造的人脸攻击的一种技术手段.本文详细介绍了其实现的技术原理,同时给出完整的Python实现代码,并且通过PyQT实现了UI界面,更方 ...
人脸特征点检测（一）
人脸特征点检测(Facial landmark detection),即人脸特征点定位.人脸对齐(Face Alignment),是在人脸检测的基础上进行的,对人脸上的特征点例如嘴角.眼角等进行定位. ...
Pytorch实现戴口罩人脸检测和戴口罩识别(含训练代码戴口罩人脸数据集)
Pytorch实现戴口罩人脸检测和戴口罩识别(含训练代码戴口罩人脸数据集) 目录 Pytorch实现戴口罩人脸检测和戴口罩识别(含训练代码戴口罩人脸数据集) 1.戴口罩识别的方法 (1)基于多类别 ...
树莓派人脸识别_童话树莓派|（十一）进入AI世界人脸识别(防疫检测)
童话树莓派第十一集-进入AI世界-人脸识别(防疫检测) [人脸识别+口罩检测] 小朋友们,很快又见面了今天我们继续进入AI人工智能世界,探寻人脸识别的奥秘你看起来多少岁呢? 你看起来是男的还是女 ...
【英特尔杯记录】Python戴口罩人脸识别部分
博主参加英特尔杯后,主要完成机器视觉相关代码的编写,首先是人脸识别采用Dlib作为人脸检测分类器,对于戴口罩人脸也有较好的识别效果,最终将人脸图像上传至百度云人脸库,通过调用百度API进行人脸识别 ...
疫情加速百度人脸识别变革：戴口罩也能准确识别，迅速上线
2020-03-20 11:49:14 十三发自凹非寺量子位报道 | 公众号 QbitAI 疫情之下,口罩识别有多难,问问你的iPhone用户朋友就知道了. 在"刷脸时代" ...
智能抗疫 | 戴口罩人脸数据助力科技防疫
新冠肺炎疫情防控牵动着国人的心,同时也是中国科技实力的一次临场考验."提升科技防控疫情力度,积极为打赢疫情防控阻击战作出贡献."1月29日,国资委主任郝鹏表示.帮助安检及医护人员提 ...

【机器学习】 - 使用dlib进行人脸定位，人脸检测，给人脸图片戴口罩