到目前為止，我們在檢測人臉方面做得很好，但是我們?nèi)匀恍枰�一些工作來提取所有特征（地�?biāo)）。接下來讓我們開始吧。步驟3：識別人臉特征你喜歡魔術(shù)嗎？到目前為止，DLib的工作方式相當(dāng)神奇，只需幾行代碼我們就可以實(shí)現(xiàn)很多，而現(xiàn)在我們遇到了一個(gè)全新的問題，它還會繼續(xù)這么簡單嗎？回答是肯定的！原來DLib提供了一個(gè)名為shape＿predictor（）的函數(shù)，它將為我們提供所有的魔法，但是需要一個(gè)預(yù)先訓(xùn)練的模型才能工作。有幾種模型可以與shape＿predictor一起工作，我正在使用的模型可以在這里下載，也可以嘗試其他模型。讓我們看看新代碼現(xiàn)在是什么樣子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（）像以前一樣，我們總是在同一個(gè)代碼上構(gòu)建代碼，現(xiàn)在使用我們的預(yù)測函數(shù)為每個(gè)人臉找到特征。但現(xiàn)在我還在做一些奇怪的事情，比如如下代碼的數(shù)值27是用來干嘛的？landmarks ＝ predictor（image＝gray， box＝face）x ＝ landmarks．part（27）．xy ＝ landmarks．part（27）．y我們的預(yù)測函數(shù)會返回一個(gè)包含68個(gè)點(diǎn)的對象，根據(jù)我們之前看到的圖片，如果你注意到的話，會發(fā)現(xiàn)點(diǎn)27正好在眼睛之間，所以如果所有的計(jì)算正確，你應(yīng)該看到一個(gè)綠點(diǎn)在眼睛之間，如下圖所示：

我們已經(jīng)很接近了，現(xiàn)在讓我們渲染所有的點(diǎn)，而不是只渲染一個(gè)：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（）

但是如果你對所有的點(diǎn)都不感興趣呢？實(shí)際上，你可以調(diào)整你的范圍間隔來獲得上面術(shù)語表中指定的任何特征，就像我在這里做的那樣：