dlib是人脸识别与人脸特征关键点获取的常用库，最近实现了将该库集成到展示框架的实验。
其中现有的dlib常见的可获取68个关键点，当然还有5个关键点和81个关键点(包括额头)。因此编写了一个通用的小函数，如下：
该函数通过设置num_landmarks可以获取不同的关键点个数，如68,5和81，并返回facebbox(人脸框)，通过该框的个数可以获取人脸的个数，并将人脸的关键点以cv2来进行绘制。
代码语言：javascript复制def DetectFacePoints(model_dir,data_dir,num_landmarks,filename,frame):
detector = dlib.get_frontal_face_detector()
predictor = dlib.shape_predictor('%s/cv/face/dlib/shape_predictor_%d_face_landmarks.dat' % (model_dir,num_landmarks))
dets = detector(frame, 1)
facebbox = []
# 对每个人脸进行处理
for k, d in enumerate(dets):
shape = predictor(frame, d)
# 绘制人脸矩形框
facebbox.append([d.left(), d.top(),d.right(), d.bottom()])
cv2.rectangle(frame,(d.left(), d.top()), (d.right(), d.bottom()),(55,255,155),2)
#landmarks = np.matrix([[p.x, p.y] for p in shape.parts()])
#绘制人脸关键点
for num in range(shape.num_parts):
cv2.circle(frame, (shape.parts()[num].x, shape.parts()[num].y), 1, (255,255,255), -1)
#cv2.imshow('frame', frame)
cv2.imwrite(filename, frame)
return facebbox实验结果：
(1) 68个关键点的情况
(2) 5个关键点的检测结果
(3) 81个关键点的检测结果。
不过从图上可以看出，dlib用于人脸检测，并不能检测出太多的人脸，特别是远处的小人脸，均无法检测。
附：上图只是百度上搜索获得检测的图片，只用于实验。
