python opencv 计算人脸的三个偏转角度，输出python代码

下面是基于OpenCV实现计算人脸的三个偏转角度的Python代码示例：

import cv2
import math
import numpy as np

# 读取图片
img = cv2.imread("face.jpg")

# 人脸检测并获取人脸关键点
face_cascade = cv2.CascadeClassifier("haarcascade_frontalface_default.xml")
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
faces = face_cascade.detectMultiScale(gray, 1.3, 5)
for (x, y, w, h) in faces:
    landmarks = np.array([[x + w // 2, y + h // 2],
                          [x + w // 2 - w // 6, y + h // 2 - h // 4],
                          [x + w // 2 + w // 6, y + h // 2 - h // 4]])

# 计算人脸的尺度大小和中心点坐标
face_size = int(math.sqrt(w * h))
face_center = np.array([x + w // 2, y + h // 2])

# 计算两个眼睛的中心点坐标和相对位置关系
left_eye_center = landmarks[1]
right_eye_center = landmarks[2]
if left_eye_center[0] < right_eye_center[0]:
    eye_distance = right_eye_center[0] - left_eye_center[0]
    eye_center = np.array([(left_eye_center[0] + right_eye_center[0]) // 2,
                           (left_eye_center[1] + right_eye_center[1]) // 2])
    angle_direction = 1
else:
    eye_distance = left_eye_center[0] - right_eye_center[0]
    eye_center = np.array([(left_eye_center[0] + right_eye_center[0]) // 2,
                           (left_eye_center[1] + right_eye_center[1]) // 2])
    angle_direction = -1

# 计算人脸的俯仰角和偏航角
pitch_angle = math.asin((eye_center[1] - face_center[1]) / face_size) * 180 / math.pi
yaw_angle = angle_direction * math.asin((eye_center[0] - face_center[0]) / eye_distance) * 180 / math.pi

# 计算人脸的翻滚角
face_norm = np.array([0, 0, -1])
left_eye_norm = np.array([(landmarks[1][0] - face_center[0]) / eye_distance,
                          (landmarks[1][1] - face_center[1]) / face_size,
                          -math.sqrt(1 - ((landmarks[1][0] - face_center[0]) / eye_distance) ** 2 - ((landmarks[1][1] - face_center[1]) / face_size) ** 2)])
right_eye_norm = np.array([(landmarks[2][0] - face_center[0]) / eye_distance,
                           (landmarks[2][1] - face_center[1]) / face_size,
                           -math.sqrt(1 - ((landmarks[2][0] - face_center[0]) / eye_distance) ** 2 - ((landmarks[2][1] - face_center[1]) / face_size) ** 2)])
roll_angle = math.atan2(np.cross(left_eye_norm, right_eye_norm), np.dot(left_eye_norm, right_eye_norm)) * 180 / math.pi

# 输出人脸的三个偏转角度
print("俯仰角: {:.2f} 度".format(pitch_angle))
print("偏航角: {:.2f} 度".format(yaw_angle))
print("翻滚角: {:.2f} 度".format(roll_angle))

上述代码中，我们使用了Haar人脸检测算法和Dlib人脸关键点检测算法来获取人脸的位置和关键点信息，然后根据人脸关键点的位置信息计算出了人脸的尺度大小和中心点坐标，以及两个眼睛的中心点坐标和相对位置关系。最后，我们根据上述计算结果来求解人脸的俯仰角、偏航角和翻滚角。