Dlib 是用编程言语 C++编写的通用跨平台软件库。它的设计深受来自契约式设计和基于组件的软件工程的思维的影响。因此，首先也是最关键的是一组独立的软件组件。这是一个减速软件容许证下颁布的开源软件。
Dlib蕴含用于解决网络，线程，图形用户界面，数据结构，线性代数，机器学习，图像解决，数据开掘，XML和文本解析，数值提升，贝叶斯网络以及许多其余义务的软件组件。近年来，许多开发上班都集中在创立宽泛的统计机器学习工具上。2009 年，Dlib宣布在机器学习钻研。从那时起，它已在宽泛的畛域中经常使用。
经常使用dlib可以大大简化开发，比如人脸识别，特色点检测之类的上班都可以很轻松成功。同时也有很多基于dlib开发的运行和开源库，比如face_recogintion库(运行一个基于Python的开源人脸识别库，face_recognition)等等。
dlib库驳回68点位置标志人脸关键部位，比如18-22点标志右眉毛，23-27点标志左眉毛，37-42点标志左眼，43-48点标志右眼，32-36点标志鼻子，49-68标志嘴巴，这其中还可以识别嘴唇。
可以经过对眼睛的算法变换，识别出眨眼、眯眼等举措，对眼睛、嘴巴的变换成功各种心情的识别。
也可以经过对人的68点结构算法模型，启动人脸识别。
dlib的装置比拟费事，尤其是python3.7版本，经过pip intall命名不可装置成功，倡导自行到网高低载whl包，可浪费探求期间。
# windows 经过whl文件装置dlib# dlib在python3.7版本下兼容性有疑问，即使装置了 Visual Studio 也还是不可装置dlib# 因此从网高低载了dlib for python37的whl文件# pip install dlib-19.17.99-cp37-cp37m-win_amd64.whl# pip install face_recognition# pip install imutilsimport dlibimport numpy as npimport cv2import imutilsfrom imutils import face_utils# 经常使用 Dlib 的侧面人脸检测器 frontal_face_detectordetector = dlib.get_frontal_face_detector()# 经常使用训练好的模型shape_predictor_68_face_landmarks.dat，在检测出人脸的同时，检测出人脸上的68个关键点predictor=dlib.shape_predictor(r'C:\Python\Pycharm\docxprocess\face_detector\shape_predictor_68_face_landmarks.dat')# 图片所在门路imgname = r'C:\Python\Pycharm\docxprocess\picture\other\renwu\juhui1.jpg' #21# imgname = r'C:\Python\Pycharm\docxprocess\picture\other\renwu\juhui2.png' #6# imgname = r'C:\Python\Pycharm\docxprocess\picture\other\ldh\angry.png'# imgname = r'C:\Python\Pycharm\docxprocess\picture\other\ldh\ldh.png'# imgname = r'C:\Python\Pycharm\docxprocess\picture\other\ldh\happy.png'# imgname = r'C:\Python\Pycharm\docxprocess\picture\other\ldh\shigu.jpeg'# imgname = r'C:\Python\Pycharm\docxprocess\picture\other\renwu\juhui4.png' #24# 读取图片，转换灰度img = cv2.imread(imgname)img_gray = cv2.cvtColor(img, cv2.COLOR_RGB2GRAY)# 人脸检测，取得人脸数据faces = detector(img_gray, 1)# rectangles[[(941, 254) (977, 290)], [(361, 210) (397, 246)], [(717, 138) (753, 174)], [(801, 214) (837, 250)],#[(573, 138) (609, 174)], [(45, 210) (81, 246)], [(585, 202) (621, 238)], [(189, 254) (225, 290)],#[(245, 214) (281, 250)], [(689, 210) (725, 246)], [(419, 247) (463, 290)], [(553, 242) (589, 278)],#[(901, 218) (937, 254)], [(77, 246) (113, 282)], [(141, 222) (177, 258)], [(741, 242) (777, 278)],#[(485, 202) (521, 238)], [(161, 110) (197, 146)], [(297, 166) (333, 202)], [(905, 138) (941, 174)],#[(301, 246) (337, 282)], [(865, 106) (901, 142)], [(389, 146) (425, 182)], [(241, 138) (277, 174)]]if len(faces) < 1:print("未检测到人脸")else:print("人脸数总数为", len(faces))for(i, rect) in enumerate(faces):# 前往人脸框的左上角坐标和矩形框的尺寸(x, y, w, h) = face_utils.rect_to_bb(rect)# 在图片上画矩形框和输入检测的人脸数量cv2.rectangle(img, (x, y), (x + w, y + h), (0, 255, 0), 2)cv2.putText(img, "Face #{}".format(i + 1), (x - 10, y - 10),cv2.FONT_HERSHEY_SIMPLEX, 0.5, (0, 255, 0), 2)cv2.imshow("Output", img)cv2.waitKey(0)之前opencv自带的人脸检测结果
1927年在比利时布鲁塞尔召开的第五次索尔维会议，黑色照片，检测出21人。
1924年林徽因等与访问中国的泰戈尔合影，共7团体，关键的泰戈尔没检测进去。
1927年在比利时布鲁塞尔召开的第五次索尔维会议，黑色照片，检测出24人。
不老男神，帅气的刘德华。
经常使用训练好的模型shape_predictor_68_face_landmarks.dat，在检测出人脸的同时，检测出人脸上的68个关键点，再看一下刘德华。
import dlibimport numpy as npimport cv2import imutilsfrom imutils import face_utils# 经常使用 Dlib 的侧面人脸检测器 frontal_face_detectordetector = dlib.get_frontal_face_detector()# 经常使用训练好的模型shape_predictor_68_face_landmarks.dat，在检测出人脸的同时，检测出人脸上的68个关键点predictor=dlib.shape_predictor(r'C:\Python\Pycharm\docxprocess\face_detector\shape_predictor_68_face_landmarks.dat')# 图片所在门路imgname = r'C:\Python\Pycharm\docxprocess\picture\other\renwu\juhui1.jpg' #21imgname = r'C:\Python\Pycharm\docxprocess\picture\other\renwu\juhui2.png' #6# imgname = r'C:\Python\Pycharm\docxprocess\picture\other\ldh\angry.png'imgname = r'C:\Python\Pycharm\docxprocess\picture\other\ldh\ldh.png'# imgname = r'C:\Python\Pycharm\docxprocess\picture\other\ldh\happy.png'# imgname = r'C:\Python\Pycharm\docxprocess\picture\other\ldh\shigu.jpeg'# imgname = r'C:\Python\Pycharm\docxprocess\picture\other\renwu\juhui4.png' #24# 读取图片，转换灰度img = cv2.imread(imgname)img_gray = cv2.cvtColor(img, cv2.COLOR_RGB2GRAY)# 人脸检测，取得人脸数据faces = detector(img_gray, 1)# rectangles[[(941, 254) (977, 290)], [(361, 210) (397, 246)], [(717, 138) (753, 174)], [(801, 214) (837, 250)],#[(573, 138) (609, 174)], [(45, 210) (81, 246)], [(585, 202) (621, 238)], [(189, 254) (225, 290)],#[(245, 214) (281, 250)], [(689, 210) (725, 246)], [(419, 247) (463, 290)], [(553, 242) (589, 278)],#[(901, 218) (937, 254)], [(77, 246) (113, 282)], [(141, 222) (177, 258)], [(741, 242) (777, 278)],#[(485, 202) (521, 238)], [(161, 110) (197, 146)], [(297, 166) (333, 202)], [(905, 138) (941, 174)],#[(301, 246) (337, 282)], [(865, 106) (901, 142)], [(389, 146) (425, 182)], [(241, 138) (277, 174)]]if len(faces) < 1:print("未检测到人脸")else:print("人脸数总数为", len(faces))for(i, rect) in enumerate(faces):# 前往人脸框的左上角坐标和矩形框的尺寸(x, y, w, h) = face_utils.rect_to_bb(rect)# 在图片上画矩形框和输入检测的人脸数量cv2.rectangle(img, (x, y), (x + w, y + h), (0, 255, 0), 2)cv2.putText(img, "Face #{}".format(i + 1), (x - 10, y - 10),cv2.FONT_HERSHEY_SIMPLEX, 0.5, (0, 255, 0), 2)# 标志人脸中的68个landmark点shape = predictor(img_gray, rect)# <dlib.full_object_detection object at 0x0000018AF09586F8># shape转换成68个坐标点矩阵shape = face_utils.shape_to_np(shape)# [[245 149]#[245 152]#...#[246 159]]# [[364 225]#[365 228]#...#[366 236]]# 在源图上输入landmark点for j,(x, y) in enumerate(shape):cv2.circle(img, (x, y), 2, (0, 0, 255), -1)cv2.putText(img, "{}".format(j + 1), (x - 10, y - 10),cv2.FONT_HERSHEY_SIMPLEX, 0.5, (0, 255, 0), 2)cv2.imshow("Output", img)cv2.waitKey(0)© 版权声明