1、使用到的库

import cv2                    # 图像处理库
import dlib                   # 人脸识别库
from skimage import io        # 图像处理库

2、代码片段详解

2.1 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

detector = dlib.get_frontal_face_detector()
print(detector)
# <dlib.fhog_object_detector object at 0x0000026536162F70>

2.2 dlib.shape_predictor()

功能：标记人脸关键点
参数：shape_predictor_68_face_landmarks.dat：68个关键点模型地址
返回值：人脸关键点预测器
下载链接：http://dlib.net/files/shape_predictor_68_face_landmarks.dat.bz2

predictor = dlib.shape_predictor("shape_predictor_68_face_landmarks.dat")
print(predictor)
# <dlib.shape_predictor object at 0x00000265361F77B0>

2.3 io.imread()

skimage.io.imread: 直接返回numpy.ndarray 对象，通道顺序为RGB（注意cv2.imread()生成的是BGR），通道值默认范围0-255。

img = cv2.imread("ma_si_ke.jpg")   # RGB
print(img)

[[[ 0  0  0]
  [ 0  0  0]
  [ 0  0  0]
  ...
  [ 0  0  0]
  [ 0  0  0]
  [ 0  0  0]]

 [[ 0  0  0]
  [ 0  0  0]
  [ 0  0  0]
  ...
  [ 0  0  0]
  [ 0  0  0]
  [ 0  0  0]]

 [[ 0  0  0]
  [ 0  0  0]
  [ 0  0  0]
  ...
  [ 0  0  0]
  [ 0  0  0]
  [ 0  0  0]]

 ...

 [[43 37 30]
  [42 36 29]
  [41 35 28]
  ...
  [ 9  4  5]
  [ 9  4  5]
  [ 9  4  5]]

 [[43 37 30]
  [42 36 29]
  [41 35 28]
  ...
  [ 9  4  5]
  [ 9  4  5]
  [ 9  4  5]]

 [[43 37 30]
  [42 36 29]
  [41 35 28]
  ...
  [ 9  4  5]
  [ 9  4  5]
  [ 9  4  5]]]

2.4 cv2.cvtColor()

cv2.cvtColor(p1,p2) 是颜色空间转换函数，p1是需要转换的图片，p2是转换成何种格式。
cv2.COLOR_BGR2RGB 将BGR格式转换成RGB格式
cv2.COLOR_BGR2GRAY 将BGR格式转换成灰度图片

2.5 detector(img, 0)

dets = detector(img, 0)

功能：对图像画人脸框
参数：img：输入的图片
返回值：人脸检测矩形框4点坐标

# 特征提取器的实例化
dets = detector(img, 0)
print(dets)
print("人脸数：", len(dets))

# rectangles[[(62, 62) (211, 211)]]
# 人脸数： 1

2.6 predictor(img, d)

shape = predictor(img, d)

功能：定位人脸关键点
参数：img：一个numpy ndarray，包含8位灰度或RGB图像
d：开始内部形状预测的边界框
返回值：68个关键点的位置

shape = predictor(img, d)
print(shape)
# <dlib.full_object_detection object at 0x0000025923EB1E30>

2.7 cv2.circle()

cv2.circle(img, (shape.part(i).x, shape.part(i).y), 2, (0, 255, 0), -1, 1)

cv2.circle(img, center, radius, color[, thickness[, lineType[, shift]]])
参数说明

img：输入的图片data
center：圆心位置
radius：圆的半径
color：圆的颜色
thickness：圆形轮廓的粗细（如果为正）。负厚度表示要绘制实心圆。
lineType： 圆边界的类型。
shift：中心坐标和半径值中的小数位数。

2.8 cv2.putText()

cv2.putText(img, str(i), (shape.part(i).x, shape.part(i).y), cv2.FONT_HERSHEY_SIMPLEX, 0.5, (255, 255, 255))

putText(img, text, org, fontFace, fontScale, color[, thickness[, lineType[, bottomLeftOrigin]]]) -> img
文本内容，起点坐标，字体，字体大小，颜色，线宽，线类型(cv2.LINE_AA)

2.9 cv2.imshow()

函数cv2.imshow() 显示图像,窗口会自动调整为图像大小。第一个参数是窗口的名字，其次才是我们的图像。你可以创建多个窗口，只要你喜欢，但是必须给他们不同的名字。

cv2.imshow('face_detector_68', img)

2.10 cv2.waitKey(0)

关于cv2.waitKey()的详细说明

3、实现代码

import cv2                    # 图像处理库
import dlib                   # 人脸识别库
from skimage import io        # 图像处理库

# 使用特征提取器get_frontal_face_detector
detector = dlib.get_frontal_face_detector()

# dlib的68点模型，使用官方训练好的特征预测器
predictor = dlib.shape_predictor("shape_predictor_68_face_landmarks.dat")

# 图片所在路径
img = cv2.imread("ma_si_ke.jpg")   # RGB
# img = cv2.imread() # BGR
# img = cv2.cvtColor(img, cv2.COLOR_RGB2BGR)

# 特征提取器的实例化
dets = detector(img, 0)
print("人脸数：", len(dets))

for k, d in enumerate(dets):
        print("第", k+1, "个人脸d的坐标：",
              "left:", d.left(),
              "right:", d.right(),
              "top:", d.top(),
              "bottom:", d.bottom())

        width = d.right() - d.left()
        heigth = d.bottom() - d.top()

        print('人脸面积为：',(width*heigth))

        # 利用预测器预测
        shape = predictor(img, d)
        # print(shape)
        # 标出68个点的位置
        for i in range(68):
            cv2.circle(img, (shape.part(i).x, shape.part(i).y), 2, (0, 255, 0), -1, 1)
            cv2.putText(img, str(i), (shape.part(i).x, shape.part(i).y), cv2.FONT_HERSHEY_SIMPLEX, 0.5, (255, 255, 255))
        
        # 显示一下处理的图片，然后销毁窗口
        cv2.imshow('face_detector_68', img)
        cv2.waitKey(0)

4、成果展示