dlib人脸识别预处理

dlib人脸识别预处理包括以下步骤（参考引用）：
1. 获取图片数据。
2. 将图片数据RGB格式转换为灰度图。
3. 使用dlib的人脸检测器检测人脸，并从图像中提取出所有人脸的矩形边界框。
4. 对于每个检测到的人脸，使用dlib的形状预测器来获取面部特征点，这些特征点将用来计算人脸的128维向量。
5. 将每个人脸的128维向量存储在一个向量列表中，同时将每个向量的标签存储在一个标签列表中。

以下是一个dlib人脸识别预处理的Python代码示例：

import dlib
import cv2

# 加载人脸检测器和形状预测器
detector = dlib.get_frontal_face_detector()
predictor = dlib.shape_predictor(predictor_path)

# 加载图像并将其转换为灰度图
img = cv2.imread(image_path)
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# 检测人脸
faces = detector(gray)

# 对于每个检测到的人脸，获取面部特征点并计算128维向量
face_descriptors = []
for face in faces:
    shape = predictor(gray, face)
    face_descriptor = face_rec_model.compute_face_descriptor(img, shape)
    face_descriptors.append(face_descriptor)

# 将每个向量的标签存储在一个标签列表中
labels = ["person1", "person2", "person3"]