利用python开发，借助Dlib库进行人脸识别，然后将检测到的人脸剪切下来，依次排序显示在新的图像上；
实现的效果如下图所示，将图1原图中的6张人脸检测出来，然后剪切下来，在图像窗口中依次输出显示人脸；
实现比较简单，代码量也比较少，适合入门或者兴趣学习。
图1 原图和处理后得到的图像窗口
python: 3.6.3
dlib: 19.7
OpenCv, numpy
import dlib # 人脸识别的库dlib import numpy as np # 数据处理的库numpy import cv2 # 图像处理的库OpenCv
工作内容主要以下两大块：dlib人脸检测 和 绘制新图像
2.1 dlib人脸检测：
dlib的使用，在我之前另一篇博客里面介绍过（link: https://www.jb51.net/article/133576.htm）；
2.2 绘制新图像：
2.2.1 确定空白图像尺寸
这部分首先要根据检测到的人脸数和人脸大小，来确定绘制图像所需要的尺寸：
多张人脸要输出到一行，先进行一次人脸的遍历，记每张人脸的尺寸为height*width（高度和宽度说明见图2），
我取的生成图像的尺寸：height_max（最大高度）和width_sum（宽度之和），然后根据尺寸大小来新建空白图像：
img_blank = np.zeros((height_max, width_sum, 3), np.uint8)
2.2.2 图像填充
然后再进行一次人脸遍历，这次进行空白图像img_blank进行填充：
for i in range(height): for j in range(width): img_blank[i][blank_start+j] = img[d.top()+i][d.left()+j]
图2 图像尺寸说明
如果想访问图像的某点像素，可以利用img[height][width]：
存储像素其实是一个三维数组，先高度height，然后宽度width;
返回的是一个颜色数组（0-255，0-255，0-255），按照（B, G, R）的顺序，比如 蓝色 就是（255，0，0），红色 是（0，0，255）;
# 2018-01-22 # By TimeStamp # #cnblogs: http://www.cnblogs.com/AdaminXie/ import dlib # 人脸识别的库dlib import numpy as np # 数据处理的库numpy import cv2 # 图像处理的库OpenCv # dlib预测器 detector = dlib.get_frontal_face_detector() predictor = dlib.shape_predictor('shape_predictor_68_face_landmarks.dat') # 读取图像 path = "F:/code/python/***/pic/" img = cv2.imread(path+"test.jpg") #print("img/shape:", img.shape) # dlib检测 dets = detector(img, 1) print("人脸数：", len(dets)) # 记录人脸矩阵大小 height_max = 0 width_sum = 0 # 计算要生成的图像img_blank大小 for k, d in enumerate(dets): # 计算矩形大小 # (x,y), (宽度width, 高度height) pos_start = tuple([d.left(), d.top()]) pos_end = tuple([d.right(), d.bottom()]) # 计算矩形框大小 height = d.bottom()-d.top() width = d.right()-d.left() # 处理宽度 width_sum += width # 处理高度 if height > height_max: height_max = height else: height_max = height_max # 绘制用来显示人脸的图像的大小 print("img_blank的大小：") print("高度", height_max, "宽度", width_sum) # 生成用来显示的图像 img_blank = np.zeros((height_max, width_sum, 3), np.uint8) # 记录每次开始写入人脸像素的宽度位置 blank_start = 0 # 将人脸填充到img_blank for k, d in enumerate(dets): height = d.bottom()-d.top() width = d.right()-d.left() # 填充 for i in range(height): for j in range(width): img_blank[i][blank_start+j] = img[d.top()+i][d.left()+j] # 调整图像 blank_start += width cv2.namedWindow("img_faces", 2) cv2.imshow("img_faces", img_blank) cv2.waitKey(0)
结果：
图3 原图和处理后得到的图像窗口
以上就是本次我们介绍的关于Python3结合Dlib实现人脸识别和剪切的相关技术内容，大家如果在学习后还有任何不明白的地方可以在下方的留言区讨论。
