参考自https://www.pyimagesearch.com/2017/04/03/facial-landmarks-dlib-opencv-python/
在原有基础上有一部分的修改(image改为可选参数，若不填则为拍照后选取），如果有想深入学习的，可以去关注这位‘吴克’先生的文章。
本文不涉及关于人脸检测的训练部分（虽然之后随着学习深入我会再发相关的随笔），只是简单的用轮子。
今天我们来使用dlib和opencv进行人脸的检测标注
首先安装opencv和dlib的方法
pip install dlib
pip install opencv-python
本程序中还使用了imutils用于resize图片，安装方法如下
pip install imutils
dlib中为我们提供了关于人脸检测标注训练好的文件 可在http://dlib.net/files/shape_predictor_68_face_landmarks.dat.bz2下载（如果在参考网页下载到的例程中也包含了这个文件了）
训练好的文件可识别人脸的68个关键点并标注（关键点越少肯定越容易导致识别错误）
本程序运行方法：若.py和shape_predictor_68_face_landmarks.dat以及需要检测的图片在同一目录下，在当前目录console中输入
python my_facial_landmarks.py -p shape_predictor_68_face_landmarks.dat -i guanhai.jpg
或采用拍照识别的方式，输入
python my_facial_landmarks.py -p shape_predictor_68_face_landmarks.dat
在图片框中按q完成拍照
之后会显示标注后的照片
例如输入如下图片
运行截图
拍照然后识别就不举例了吧，大家可以自行尝试
代码如下my_facial_landmarks.py
from imutils import face_utils
import argparse
import imutils
import dlib
import cv2
def takephoto():
cap = cv2.VideoCapture(0)
while (1):
# get a frame
ret, frame = cap.read()
# show a frame
cv2.imshow("capture", frame)
if cv2.waitKey(1) & 0xFF == ord('q'):#按q键完成照相
# cv2.imwrite("./test0.jpg", frame) 保存照片，但在这里我们并不需要
return frame#返回图片
cap.release()
cv2.destroyAllWindows()
def main():
# construct the argument parser and parse the arguments 使用argparse设置输入所需的实参
ap = argparse.ArgumentParser()
ap.add_argument("-p", "--shape-predictor", required=True, #训练好的关于检测的文件
help="path to facial landmark predictor")
ap.add_argument("-i", "--image", required=False,default='0', #图片
help="path to input image")
args = vars(ap.parse_args())
# initialize dlib's face detector (HOG-based) and then create
# the facial landmark predictor
#初始化dlib人脸检测（基于HOG），然后创建面部标志预测器
detector = dlib.get_frontal_face_detector()
predictor = dlib.shape_predictor(args["shape_predictor"])
# load the input image, resize it, and convert it to grayscale
if args['image'] != '0':
image = cv2.imread(args['image'])#输入图片实参则读入图片
else:
image = takephoto()#若未输入则进行照相操作
image = imutils.resize(image, width=500) # 调整图片宽度为500
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)#图片调整为灰色
# detect faces in the grayscale image 检测灰度图像中的面部
rects = detector(gray, 1)
# loop over the face detections 循环进行人脸的检测
for (i, rect) in enumerate(rects):
# determine the facial landmarks for the face region, then
# convert the facial landmark (x, y)-coordinates to a NumPy
# array
# 确定面部区域的面部标志，然后将面部标志（x，y）坐标转换成NumPy阵列
shape = predictor(gray, rect)
shape = face_utils.shape_to_np(shape)
# convert dlib's rectangle to a OpenCV-style bounding box
# [i.e., (x, y, w, h)], then draw the face bounding box
#将dlib矩形转换为OpenCV样式的边界框[即（x，y，w，h）]，然后绘制边界框
(x, y, w, h) = face_utils.rect_to_bb(rect)
cv2.rectangle(image, (x, y), (x + w, y + h), (0, 255, 0), 2)
# show the face number 人脸序号的标记（可识别多张）
cv2.putText(image, "Face #{}".format(i + 1), (x - 10, y - 10),
cv2.FONT_HERSHEY_SIMPLEX, 0.5, (0, 255, 0), 2)
# loop over the (x, y)-coordinates for the facial landmarks
# and draw them on the image
#循环面部地标的（x，y）坐标并在图像上绘制它们
for (x, y) in shape:
cv2.circle(image, (x, y), 1, (0, 0, 255), -1)
# show the output image with the face detections + facial landmarks
#用脸部检测+面部标志显示输出图像
cv2.imshow("Output", image)
cv2.waitKey(0)
if __name__ == '__main__':
main()
转自：https://www.cnblogs.com/take-fetter/p/8310298.html
