人脸68个关键点,人脸识别的测试用例有哪些,人脸识别系统测试用例

　　我以前运行过Dlib。在关键点检查了68个人的面部。68个人对应的脸的要点如下图所示。

　　关于dlib 68点的使用，见https://blog.csdn.net/xingchenbingbuyu/article/details/5116354。

　　本文描述的演示是dlib的扩展。

　　项目地址：https://github.com/code Niko/shape _ predictor _ 81 _ face _ landmarks

　　本项目实现了对给定图像(pic或视频流帧)上的81个人脸特征点的检测。训练过程类似于dlib的68分，作者在额头上加了13分。通过头部检测和该区域的图像处理来提高精确度。和作者额头戴帽子一样的操作~

　　把帽子戴在某人头上.

　　这13个摘录是通过参考patrikhuber的eos项目：github.com/code. NIKO 3359/EOS得出的

　　作者使用了Surrey人脸模型。

　　以下是作者的原话：

　　“我在这里做了修改，然后用我的81个地标坐标覆盖了每张图片的68个地标坐标。从他的形状预测模型开始使用http://dlib.net/train形状predictor.py.html”

　　你能看到作者执行项目的演示视频https://www.youtube.com/watch吗？v=mDJrASIB1T0

　　以下是81个特征点的分布，其中0~67是dlib的68个点，68~80是作者后加的13个点；

　　下载完项目代码后，将其剪切到项目路径中。我使用anaconda环境并在其中运行webcam_record.py脚本，指示：

　　python网络摄像头_record.py

　　当上面的代码运行时，摄像头会实时捕捉并检测人脸的关键点。结果如下。

　　实时检测真的很好。它运行在一个完整的cpu上。小图像的人脸检测也很好，但是如果人脸侧角有点大就检测不出来了。你觉得手机上的女明星是谁？脚本源的内容如下。(与dlib的基础相同)。

　　33558www。Sina.com/Importsysimportimportport dlimportglobromski mage import port numpyasnpimportcv 2 cap=cv2 . video capture camera fourcc=cv2 . vidideocapted视频文件编码格式out=cv2 . video writer( output . avi ，fourcc，20.0，)720) #输出视频的参数信息predictor _ path= shape _ predictor _ 81 _ face _ landmarks . dat #我们的人脸提取器predictor=dlib。形状预测器(pplib。shape _ predictor)从模型文件构建cap detector=dlib . get _ frib dlib的frontier _ face _ detector e)Frame=cap . read()Frame=cv2 . flip)Frame，1) # image水平翻转dets=deter)Frame，0) #3 .用检测器进行面部检测D)枚举(dets):形状=预测值)帧，D) #5。使用预测器界标的人脸关键帧识别=NP.matrix([p.x，p . y]for pishape . parts((for numinarange)shape . num _ parts(:cv2 . circle)frame，)nshape.parts)

　　pip cmake，opencv-python，dlib

　　Cmake是用来编译dlib库的~

　　尽情享受吧！

郑重声明：本文由网友发布，不代表盛行IT的观点，版权归原作者所有，仅为传播更多信息之目的，如有侵权请联系，我们将第一时间修改或删除，多谢。