Python中使用dlibnet()进行人脸姿态估计的示例

在Python中使用dlib库进行人脸姿态估计需要安装dlib库和预训练模型文件。你可以通过以下链接下载

预训练模型文件：http://dlib.net/files/shape_predictor_68_face_landmarks.dat.bz2

首先，你需要安装dlib库。可以使用以下命令在终端中安装：

pip install dlib

接下来，你需要下载预训练模型文件。解压缩下载的文件，并将其放置在你的工作目录中。

现在我们可以开始编写代码了。下面是使用dlib进行人脸姿态估计的示例：

import dlib
import cv2
import numpy as np

# 加载预训练模型
predictor_path = 'shape_predictor_68_face_landmarks.dat'
predictor = dlib.shape_predictor(predictor_path)

# 创建dlib检测器
detector = dlib.get_frontal_face_detector()

# 加载图像
image_path = 'test.jpg'  # 替换为你的图像文件路径
image = cv2.imread(image_path)

# 将图像转换为灰度
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

# 使用dlib检测器检测人脸
rects = detector(gray)

# 对于每个检测到的人脸
for rect in rects:
    # 获取面部特征点
    landmarks = predictor(gray, rect)
    landmarks = np.array([[p.x, p.y] for p in landmarks.parts()])

    # 绘制面部特征点
    for landmark in landmarks:
        cv2.circle(image, (landmark[0], landmark[1]), 2, (0, 0, 255), -1)

    # 通过面部特征点计算姿态角度
    left_eye = landmarks[36:42]
    right_eye = landmarks[42:48]

    # 计算眼睛中心
    left_eye_center = np.mean(left_eye, axis=0).astype(int)
    right_eye_center = np.mean(right_eye, axis=0).astype(int)

    # 计算眼睛中心之间的角度
    dy = right_eye_center[1] - left_eye_center[1]
    dx = right_eye_center[0] - left_eye_center[0]
    angle = np.degrees(np.arctan2(dy, dx)) - 180

    # 在图像上绘制姿态角度
    cv2.putText(image, f'Angle: {angle:.2f}', (10, 30), cv2.FONT_HERSHEY_SIMPLEX, 1, (0, 0, 255), 2, cv2.LINE_AA)
    cv2.line(image, tuple(left_eye_center), tuple(right_eye_center), (0, 255, 0), 2)

# 显示结果图像
cv2.imshow('Face Pose Estimation', image)
cv2.waitKey(0)
cv2.destroyAllWindows()

在这个示例中，我们首先加载了预训练的人脸关键点检测器模型（shape_predictor_68_face_landmarks.dat）。然后，我们使用get_frontal_face_detector()函数创建了一个人脸检测器。

我们将一张图像加载到内存中，并将其转换为灰度。然后，使用人脸检测器检测出图像中的人脸区域。对于每个检测到的人脸，我们使用predictor预测该人脸的面部特征点。

人脸的面部特征点可用于计算姿态角度。在这个示例中，我们计算了眼睛中心之间的角度，并在图像上绘制了该角度。同时，我们也绘制了面部特征点。

最后，我们显示了带有人脸姿态角度和特征点的图像。

你可以将示例中的图像路径替换为你自己的图像，并运行代码来看到输出结果。请确保图像中有明确的人脸，以便人脸姿态估计得到准确的结果。

希望这个示例能帮助你开始使用dlib进行人脸姿态估计。