之前写过一篇关于实现人脸识别的文章，

Z先生点记：Pyqt5 + 百度 API 打造一个图像人脸识别、分割的小程序​zhuanlan.zhihu.com

里面用到的技术是通过调用百度 API 实现的，本次将借助于 dlib 程序包实现人脸区域检测、特征点提取等功能，

dlib 封装了许多优秀的机器学习算法， 可实现人脸识别、检测、识别，视频目标追逐等功能，是由由 C++开发的一个开源程序库，目前也提供了 Python 接口，可供我们直接调用。

1，dilb 安装

dlib 程序包的安装方式也是用 pip 来进行安装的，但不同于其它程序包的是，在输入

pip 

之前，需要安装 Cmake 程序包，该工具主要是对 dlib 进行编译，安装命令与其他包类似

pip 

2，实现人脸识别

利用 dlib 实现人脸识别功能时，先定义一个检测器和一个 图片预览窗口：

detector = dlib.get_frontal_face_detector()
win = win = dlib.image_window()

之后利用 load_rgb_image() 函数读取图像：

img 

接下来进行核心功能人脸检测的实现，这里需要借助于上面定义得到的检测器

dets

img 就是我们读取后的图像，第二个参数 1 代表的是图片上采样倍数，值越大，最终识别得到的结果越好，-1 代表的是调整分割阈值，负值表示将返回更多检测结果

返回的 dets 返回的是一个人脸区域矩形，分别表示左，上、右、下边界，是 tuple 形式，如果检测出一个人脸，则为一个 tuple, 如果是多个人脸，将会把多个 tuple 放置在一个列表中；有个这个矩形坐标就可以做以下事情：

• 人脸区域裁剪，进行区域提取；
• 人脸区域线条标记

score 表示的是人脸识结果检测概率，越大代表识别出来的结果越好；如果一幅图有多个人脸，则返回多个检测概率以列表形式储存；idx 是用于在一副图检测出多个人脸是用的索引，可以对其进行索引

win

最后我们利用 前面定义的 win 窗口，进行图像预览，结果如下，

当然也可以用 OpenCV 进行轮廓勾勒，OpenCV 勾勒结果如下( 有色差的原因是OpenCV 读取的是 BGR 通道顺序 )；

3，dlib 提取人脸68个特征点

OpenCV 也可以用于人脸识别，但效果不如 dlib ，除了上面提到的线框检测之外，dlib 还可以直接提取人脸上的 68 个特征点，作为坐标形式来返回；

有了这 68 个特征点的坐标，可以很方便地帮助我们实现人脸对齐、融合等应用，先看一下用 dlib 勾勒出来的效果

与人脸识别不一样的是，这里需要加上一个形状检测器，形状检测器这里需要官网提供的文件、里面放置已经训练好的权重信息，可以直接使用，上面功能实现代码如下：

import 

坐标点的获取可以通过 part(index) 函数获取

上面的坐标点，也可以通过 OpenCV 在原图上勾勒出来，并注释上文字，效果如下：

附上完整代码：

import 

4，小总结

以上就是对 dlib 程序包的简单介绍，在人脸识别应用方面上 dlib 的表现相当不错的，有兴趣的同学可以去官网看关于 dlib 的详细介绍，自己闲余时间动手跟着敲一下。

下篇文章将介绍利用 OpenCV 实现人脸融合技术，里面会用到本篇提到的人脸 68 个特征点坐标，算是本篇文章的延申，感兴趣的小伙伴可以提前关注一波。

文中提到的权重文件获取方式，在公众号( Z先生点记 )后台回复关键字：dlib 即可获取

参考链接:

1，http://dlib.net/face_landmark_detection.py.html

2，https://blog.csdn.net/qq_39438636/article/details/79304130

3，http://dlib.net/