"Python3 Dlib19.7人脸面部识别学习手册"

本文介绍了学习Python3 Dlib19.7进行人脸面部识别的相关内容。作者在下载官网提供的示例代码时遇到了一些困惑，但通过摸索和学习，最终弄明白了如何使用。 在本文中，作者分享了两个Python文件的使用方法，即“face_detector.py”和“face_landmark_detection.py”。 首先，作者简要介绍了Python3.6.3和Dlib19.7的基本信息。作者指出，使用Dlib的特征提取器，可以对人脸矩形框进行特征提取，具体代码为：dets = dlib.get_frontal_face_detector(img)。接着，作者介绍了如何使用Dlib的68点特征预测器提取人脸的68个关键点特征，具体代码为：predictor = dlib.shape_predictor("shape_predictor_68_face_landmarks.dat")，shape = predictor(img, dets[0])。 接下来，作者展示了两个Python文件的功能介绍。 首先是“face_detector.py”，该文件可以用于识别图片中的一张或多张人脸，并用矩形框框出标识出人脸。在该文件中，作者首先使用Dlib进行人脸检测，获取到人脸的矩形框，然后通过绘制矩形框的方式将人脸标识出来。 其次是“face_landmark_detection.py”，该文件可以使用Dlib的68点特征预测器提取人脸的68个关键点特征。在该文件中，作者同样使用Dlib进行人脸检测，获取到人脸的矩形框，并根据该矩形框提取人脸的68个关键点特征。作者在效果展示部分提供了示意图，展示了提取到的人脸关键点特征。 通过使用以上两个Python文件，读者可以实现人脸识别和人脸关键点提取的功能。这些功能对于人脸识别领域的研究和应用具有重要意义，可以应用于人脸识别系统、人脸表情识别等等。 总之，本文介绍了学习Python3 Dlib19.7进行人脸面部识别的相关内容，包括Dlib的特征提取器和特征预测器的使用方法以及两个Python文件的功能介绍。通过学习本文的内容，读者可以掌握使用Dlib进行人脸识别和关键点提取的基本方法，为进一步深入研究和应用提供了基础。