【计算机视觉40例】案例35：人脸对齐

Dlib是一个现代工具包，包含机器学习算法和工具，用于在程序中构造软件来解决复杂的现实世界问题。它被工业界和学术界广泛应用于机器人、嵌入式设备、移动电话和大型高性能计算环境等领域。Dlib的开源许可允许用户在任何应用程序中免费使用它。

Dlib官网提供了非常翔实的资料，对它的函数有非常具体的使用说明。除此以外，Dlib官网还提供了大量的案例帮助我们快速掌握该工具的使用。

本章中，我们使用Dlib实现几个跟人脸识别相关的具有代表性的案例，具体如下：

1. 定位人脸
2. 绘制关键点
3. 勾勒五官轮廓
4. 人脸对齐
5. 调用CNN实现人脸检测

本章中所使用的模型均可在Dlib官网下载。

人脸对齐的任务是识别数字图像中人脸的几何结构，并尝试通过平移、缩放和旋转获得人脸的规范对齐。本文，我们通过Dlib实现人脸对齐。在使用Dlib实现人脸对齐时，直接调用相关函数即可，具体流程如下：

步骤1：初始化

# 构造检测器
 
detector = dlib.get_frontal_face_detector()
 
# 检测人脸框
 
faceBoxs = detector(img, 1)
 
# 载入模型
 
predictor  = dlib.shape_predictor('shape_predictor_68_face_landmarks.dat')

步骤2：获取人脸框集合

将步骤1中所获取的人脸框集合faceBoxs中的每个人脸框，逐个放入容器faces中。
 
faces = dlib.full_object_detections()   #构造容器
 
for faceBox in faceBoxs:
 
    faces.append(predictor(img, faceBox))  #把每个人的人脸框放入容器faces内

步骤3：根据原始图像、人脸关键点获取人脸对齐结果

调用函数get_face_chips完成对人脸图像的对齐（倾斜校正）。

faces = dlib.get_face_chips(img, faces, size=120)

步骤4：将获取的每一个人脸显示出来

通过循环，将faces中的每一张人脸进行可视化展示。

n = 0       # 用变量n给识别的人脸按顺序编号
 
# 显示每一个人脸
 
for face in faces:
 
    n+=1
 
    face = np.array(face).astype(np.uint8)
 
    cv2.imshow('face%s'%(n), face)

根据上述步骤编写程序，运行程序，运行结果如图1所示，左侧是原始图像，右侧是从中提取出来的8张人脸。

图1 运行结果

在《计算机视觉40例——从入门到深度学习（OpenCV-Python）》第27章《dlib库》中详细介绍了定位人脸、绘制关键点、勾勒五官轮廓、人脸对齐、调用CNN实现人脸检测等案例。

《计算机视觉40例——从入门到深度学习（OpenCV-Python）》在介绍Python基础、OpenCV基础、计算机视觉理论基础、深度学习理论的基础上，介绍了计算机视觉领域内具有代表性的40个典型案例。这些案例中，既有传统的案例（数字识别、答题卡识别、物体计数、缺陷检测、手势识别、隐身术、以图搜图、车牌识别、图像加密、指纹识别等），也有深度学习案例（图像分类、风格迁移、姿势识别、实例分割等），还有人脸识别方面的案例（表情识别、驾驶员疲劳监测、识别性别与年龄等）。