到目前为止，我们在检测人脸方面做得很好，但是我们仍然需要一些工作来提取所有特征（地标）。接下来让我们开始吧。步骤3：识别人脸特征你喜欢魔术吗？到目前为止，DLib的工作方式相当神奇，只需几行代码我们就可以实现很多，而现在我们遇到了一个全新的问题，它还会继续这么简单吗？回答是肯定的！原来DLib提供了一个名为shape＿predictor（）的函数，它将为我们提供所有的魔法，但是需要一个预先训练的模型才能工作。有几种模型可以与shape＿predictor一起工作，我正在使用的模型可以在这里下载，也可以尝试其他模型。让我们看看新代码现在是什么样子import cv2import dlib＃ Load the detectordetector ＝ dlib．get＿frontal＿face＿detector（）＃ Load the predictorpredictor ＝ dlib．shape＿predictor（＂shape＿predictor＿68＿face＿landmarks．dat＂）＃ read the imageimg ＝ cv2．imread（＂face．jpg＂）＃ Convert image into grayscalegray ＝ cv2．cvtColor（src＝img， code＝cv2．COLOR＿BGR2GRAY）＃ Use detector to find landmarksfaces ＝ detector（gray）for face in faces： x1 ＝ face．left（） ＃ left point y1 ＝ face．top（） ＃ top point x2 ＝ face．right（） ＃ right point y2 ＝ face．bottom（） ＃ bottom point ＃ Look for the landmarks landmarks ＝ predictor（image＝gray， box＝face） x ＝ landmarks．part（27）．x y ＝ landmarks．part（27）．y ＃ Draw a circle cv2．circle（img＝img， center＝（x， y）， radius＝5， color＝（0， 255， 0）， thickness＝－1）＃ show the imagecv2．imshow（winname＝＂Face＂， mat＝img）＃ Wait for a key press to exitcv2．waitKey（delay＝0）＃ Close all windowscv2．destroyAllWindows（）像以前一样，我们总是在同一个代码上构建代码，现在使用我们的预测函数为每个人脸找到特征。但现在我还在做一些奇怪的事情，比如如下代码的数值27是用来干嘛的？landmarks ＝ predictor（image＝gray， box＝face）x ＝ landmarks．part（27）．xy ＝ landmarks．part（27）．y我们的预测函数会返回一个包含68个点的对象，根据我们之前看到的图片，如果你注意到的话，会发现点27正好在眼睛之间，所以如果所有的计算正确，你应该看到一个绿点在眼睛之间，如下图所示：
我们已经很接近了，现在让我们渲染所有的点，而不是只渲染一个：import cv2import numpy as npimport dlib＃ Load the detectordetector ＝ dlib．get＿frontal＿face＿detector（）＃ Load the predictorpredictor ＝ dlib．shape＿predictor（＂shape＿predictor＿68＿face＿landmarks．dat＂）＃ read the imageimg ＝ cv2．imread（＂face．jpg＂）＃ Convert image into grayscalegray ＝ cv2．cvtColor（src＝img， code＝cv2．COLOR＿BGR2GRAY）＃ Use detector to find landmarksfaces ＝ detector（gray）for face in faces： x1 ＝ face．left（） ＃ left point y1 ＝ face．top（） ＃ top point x2 ＝ face．right（） ＃ right point y2 ＝ face．bottom（） ＃ bottom point ＃ Create landmark object landmarks ＝ predictor（image＝gray， box＝face） ＃ Loop through all the points for n in range（0， 68）： x ＝ landmarks．part（n）．x y ＝ landmarks．part（n）．y ＃ Draw a circle cv2．circle（img＝img， center＝（x， y）， radius＝3， color＝（0， 255， 0）， thickness＝－1）＃ show the imagecv2．imshow（winname＝＂Face＂， mat＝img）＃ Delay between every framcv2．waitKey（delay＝0）＃ Close all windowscv2．destroyAllWindows（）
但是如果你对所有的点都不感兴趣呢？实际上，你可以调整你的范围间隔来获得上面术语表中指定的任何特征，就像我在这里做的那样：
