在上一篇文章中,我们介绍了如何使用 dlib 和 OpenCV 进行基础的人脸检测。本文将在此基础上,进一步讲解如何检测人脸的 68 个关键点,这些关键点涵盖了眼睛、眉毛、鼻子、嘴巴和下颌等面部特征,是实现表情分析、人脸对齐、美颜特效等高级功能的基础。
一、人脸关键点检测原理
dlib 的 68 点人脸关键点检测基于以下技术组合:
- 先进行人脸检测:使用上一篇介绍的 HOG 检测器定位人脸区域
- 关键点预测模型:通过预训练的
shape_predictor模型,在检测到的人脸区域内预测 68 个特征点坐标 - 特征点分布:68 个点按面部区域分组:
- 0-16:下颌线
- 17-21:左眉毛
- 22-26:右眉毛
- 27-30:鼻子桥
- 31-35:鼻尖
- 36-41:左眼
- 42-47:右眼
- 48-67:嘴巴
这种结构化的特征点分布,使得我们可以精确分析面部各个器官的位置和形态。
二、准备工作:获取关键点预测模型
与基础人脸检测不同,关键点检测需要额外的模型文件:
- 下载模型:从dlib 官方模型库下载
shape_predictor_68_face_landmarks.dat.bz2
主页会提供文件
- 解压文件:使用解压工具提取出
shape_predictor_68_face_landmarks.dat - 放置位置:将模型文件放在与代码相同的目录下


5071

被折叠的 条评论
为什么被折叠?



