Python现在非常火，语法简单而且功能强大，很多同学都想学Python！所以小的给各位看官们准备了高价值Python学习视频教程，都放在了文章结尾，欢迎前来领取！
转自：简书 作者：娇兮心有之
*注意：全文代码可以滑动查看
现在的人脸识别技术已经得到了非常广泛的应用，支付领域、身份验证、美颜相机里都有它的应用。用iPhone的同学们应该对下面的功能比较熟悉。
iPhone的照片中有一个“人物”的功能，能够将照片里的人脸识别出来并分类，背后的原理也是人脸识别技术。
这篇文章主要介绍怎样用Python实现人脸检测。人脸检测是人脸识别的基础。人脸检测的目的是识别出照片里的人脸并定位面部特征点，人脸识别是在人脸检测的基础上进一步告诉你这个人是谁。
好了，介绍就到这里。接下来，开始准备我们的环境。
准备工作
本文的人脸检测基于dlib，dlib依赖Boost和cmake，所以首先需要安装这些包，以Ubuntu为例：
$ sudo apt-getinstallbuild-essential cmake$ sudo apt-getinstalllibgtk-3-dev$ sudo apt-getinstalllibboost-all-dev
我们的程序中还用到numpy，opencv，所以也需要安装这些库：
$ pip install numpy$ pip install scipy$ pip install opencv-python$ pip install dlib
人脸检测基于事先训练好的模型数据，从这里可以下到模型数据
http://dlib.net/files/shape_predictor_68_face_landmarks.dat.bz2
下载到本地路径后解压，记下解压后的文件路径，程序中会用到。
dlib的人脸特征点
上面下载的模型数据是用来估计人脸上68个特征点(x, y)的坐标位置，这68个坐标点的位置如下图所示：
我们的程序将包含两个步骤：
第一步，在照片中检测人脸的区域
第二部，在检测到的人脸区域中，进一步检测器官（眼睛、鼻子、嘴巴、下巴、眉毛）
人脸检测代码
我们先来定义几个工具函数：
defrect_to_bb(rect):x=rect.left()y=rect.top()w=rect.right() - x h=rect.bottom() - y return(x, y, w, h)
这个函数里的rect是dlib脸部区域检测的输出。这里将rect转换成一个序列，序列的内容是矩形区域的边界信息。
defshape_to_np(shape, dtype="int"):coords = np.zeros((68,2), dtype=dtype)foriinrange(0,68): coords[i] = (shape.part(i).x, shape.part(i).y)returncoords
这个函数里的shape是dlib脸部特征检测的输出，一个shape里包含了前面说到的脸部特征的68个点。这个函数将shape转换成Numpy array，为方便后续处理。
defresize(image, width=1200):r=width * 1.0 / image.shape[1]dim=(width, int(image.shape[0] * r)) resized=cv2.resize(image, dim, interpolation=cv2.INTER_AREA)returnresized
这个函数里的image就是我们要检测的图片。在人脸检测程序的最后，我们会显示检测的结果图片来验证，这里做resize是为了避免图片过大，超出屏幕范围。
接下来，开始我们的主程序部分
importsysimportnumpy as npimportdlibimportcv2iflen(sys.argv) <2:print"Usage: %s <image file>"% sys.argv[0]sys.exit(1)image_file = sys.argv[1]detector = dlib.get_frontal_face_detector()predictor = dlib.shape_predictor("shape_predictor_68_face_landmarks.dat")
我们从sys.argv[1]参数中读取要检测人脸的图片，接下来初始化人脸区域检测的detector和人脸特征检测的predictor。shape_predictor中的参数就是我们之前解压后的文件的路径。
image= cv2.imread(image_file)image= resize(image, width=1200)gray= cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)rects= detector(gray,1)
在检测特征区域前，我们先要检测人脸区域。这段代码调用opencv加载图片，resize到合适的大小，转成灰度图，最后用detector检测脸部区域。因为一张照片可能包含多张脸，所以这里得到的是一个包含多张脸的信息的数组rects。
for(i, rect)inenumerate(rects): shape= predictor(gray, rect) shape = shape_to_np(shape) (x, y, w, h) = rect_to_bb(rect)cv2.rectangle(image, (x, y), (x + w, y + h), (0,255,0),2)cv2.putText(image,"Face #{}".format(i +1), (x -10, y -10),cv2.FONT_HERSHEY_SIMPLEX,0.5, (0,255,0),2)for(x, y)inshape:cv2.circle(image, (x, y),2, (0,0,255),-1)cv2.imshow("Output", image)cv2.waitKey(0)
对于每一张检测到的脸，我们进一步检测脸部的特征（鼻子、眼睛、眉毛等）。对于脸部区域，我们用绿色的框在照片上标出；对于脸部特征，我们用红色的点标出来。
最后我们把加了检测标识的照片显示出来，waitKey(0)表示按任意键可退出程序。
以上是我们程序的全部
测试
接下来是令人兴奋的时刻，检验我们结果的时刻到来了。
下面是原图
下面是程序识别的结果
可以看到脸部区域被绿色的长方形框起来了，脸上的特征（鼻子，眼睛等）被红色点点标识出来了。
是不是很简单？
文末福利
获取方式：加python群 839383765 即可获取！
