面部特征点检测

import dlib
import dlib
import cv2
import numpy as np

# 加载模型
detector = dlib.get_frontal_face_detector()
predictor = dlib.shape_predictor(r'D:\code\edg\shape_predictor_68_face_landmarks.dat')

# 读取图片
img = cv2.imread(r'C:\Users\Yi\Desktop\88.jpg')
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# 检测面部
faces = detector(gray)

# 标记面部特征点
for face in faces:
    landmarks = predictor(gray, face)
    for n in range(0, 68):
        x = landmarks.part(n).x
        y = landmarks.part(n).y
        cv2.circle(img, (x, y), 2, (255, 0, 0), -1)

# 显示图片
cv2.imshow('Facial Landmarks', img)
cv2.waitKey(0)
cv2.destroyAllWindows()

人脸检测

import dlib
import cv2


# 加载模型
detector = dlib.get_frontal_face_detector()
predictor = dlib.shape_predictor(r'D:\code\edg\shape_predictor_68_face_landmarks.dat')


# 读取图片
img = cv2.imread(r'C:\Users\Yi\Desktop\88.jpg')
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# 检测面部
faces = detector(gray)

# 在原图上绘制矩形框
for face in faces:
    x, y, w, h = (face.left(), face.top(), face.width(), face.height())
    cv2.rectangle(img, (x, y), (x + w, y + h), (0, 255, 0), 2)

# 显示图片
cv2.imshow('Face Detection', img)
cv2.waitKey(0)
cv2.destroyAllWindows()

视频帧处理

import dlib
import cv2


# 加载模型
detector = dlib.get_frontal_face_detector()
predictor = dlib.shape_predictor(r'D:\code\edg\shape_predictor_68_face_landmarks.dat')
facerec = dlib.face_recognition_model_v1(r'D:\code\edg\dlib_face_recognition_resnet_model_v1.dat')


# 打开摄像头
cap = cv2.VideoCapture(0)

while True:
    ret, frame = cap.read()
    if not ret:
        break

    gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
    faces = detector(gray)

    for face in faces:
        landmarks = predictor(gray, face)
        for n in range(0, 68):
            x = landmarks.part(n).x
            y = landmarks.part(n).y
            cv2.circle(frame, (x, y), 2, (255, 0, 0), -1)

    cv2.imshow('Video Frame', frame)

    if cv2.waitKey(1) & 0xFF == ord('q'):
        break

cap.release()
cv2.destroyAllWindows()

人脸比对

import dlib
import cv2
import numpy as np

# 加载模型
detector = dlib.get_frontal_face_detector()
predictor = dlib.shape_predictor(r'D:\code\edg\shape_predictor_68_face_landmarks.dat')
facerec = dlib.face_recognition_model_v1(r'D:\code\edg\dlib_face_recognition_resnet_model_v1.dat')


# 创建一个函数用于获取面部特征向量
def get_face_descriptor(img):
    dets = detector(img, 1)
    if len(dets) == 0:
        return None

    shape = predictor(img, dets[0])
    face_descriptor = facerec.compute_face_descriptor(img, shape)
    return np.array(face_descriptor)


# 读取图片
img1 = cv2.imread(r'C:\Users\Yi\Desktop\88.jpg')
img2 = cv2.imread(r'C:\Users\Yi\Desktop\99.jpg')

# 获取面部特征向量
descriptor1 = get_face_descriptor(img1)
descriptor2 = get_face_descriptor(img2)

# 计算两者之间的欧式距离
dist = np.linalg.norm(descriptor1 - descriptor2)

print(f'The distance between the two faces is: {dist}')

# 通常距离越小相似度越高
if dist < 0.6:
    print('同一个人')
else:
    print('不同人')

模型文件资源联系qq
qq: 1206154726
https://pan.baidu.com/s/1Yd2oIxhF5–pbuNVhHGsxg
提取码: qp89

Linux

linux安装测试了好多方法都不行 最后在conda环境下安装成功

conda install -c conda-forge dlib

命令分解
conda:

这是命令行工具，用于管理 Conda 环境和包。
install:

这是一个子命令，告诉 Conda 要安装一个或多个包。
-c conda-forge:

-c 是 --channel 的缩写，指定要从哪个渠道（channel）安装包。
conda-forge 是一个社区驱动的 Conda 包仓库，提供了许多开源软件包，包括 dlib。使用 -c conda-forge 表示你希望从这个渠道获取 dlib 包。
使用 conda-forge 的好处是，它通常会提供更新更快、依赖关系处理更好的包版本。
dlib:

这是你要安装的具体包的名称。在这里，它是一个用于机器学习和计算机视觉的库。