文章目录完整代码一览一、安装 dlib 库二、逐行代码解释导入库创建人脸检测器读取图像执行人脸检测绘制矩形框显示和保存结果三、与 OpenCV Haar 级联的对比完整代码一览import cv2 import dlib detectordlib.get_frontal_face_detector()imgcv2.imread(pyy.png)facesdetector(img,0)forface in faces:x1face.left()y1face.top()x2face.right()y2face.bottom()cv2.rectangle(img,(x1,y1),(x2,y2),(0,0,255),2)cv2.imshow(result,img)cv2.waitKey(0)cv2.destroyAllWindows()一、安装 dlib 库在运行代码之前你需要安装 dlib。由于 dlib 依赖 C 编译环境安装可能会有点挑战但你可以使用以下命令尝试pip install dlib如果安装失败可以下载预编译的 wheel 文件针对 Python 版本和系统或者使用 conda 安装conda install-c conda-forge dlib二、逐行代码解释导入库import cv2 #用于读取、显示和绘制图像 import dlib #包含机器学习算法的 C库提供了人脸检测、特征点定位、人脸识别等功能创建人脸检测器detectordlib.get_frontal_face_detector()dlib.get_frontal_face_detector() 返回一个基于 HOG 线性 SVM 的人脸检测器对象。该检测器经过大量训练能检测不同大小、不同角度的人脸正面和侧面。读取图像imgcv2.imread(pyy.png)读取名为 pyy.png 的图片执行人脸检测facesdetector(img,0)detector(img, 0) 对图像进行人脸检测。第二个参数 0 表示不进行图像上采样upsample即使用原始尺寸进行检测。如果你想检测更小的人脸可以增加这个值如 1 表示上采样一次但会降低速度。返回一个矩形列表每个矩形代表一张人脸的位置。绘制矩形框forface in faces:x1face.left()#左 y1face.top()#上 x2face.right()#右 y2face.bottom()#下 cv2.rectangle(img,(x1,y1),(x2,y2),(0,0,255),2)遍历每个人脸框获取左上角坐标 (x1, y1) 和右下角坐标 (x2, y2)。显示和保存结果cv2.imshow(result,img)cv2.waitKey(0)cv2.destroyAllWindows()显示标注后的图像按任意键关闭窗口。运行结果三、与 OpenCV Haar 级联的对比特性Haar 级联dlib HOG SVM速度非常快稍慢准确率正面高侧面差正面和侧面都较好适用场景实时低功耗应用精度要求较高的应用通过对比可以看出dlib 更适合对准确率有较高要求的场景如果你的应用对实时性要求极高可以继续使用 Haar反之则推荐 dlib。
文章目录完整代码一览一、安装 dlib 库二、逐行代码解释导入库创建人脸检测器读取图像执行人脸检测绘制矩形框显示和保存结果三、与 OpenCV Haar 级联的对比完整代码一览import cv2 import dlib detectordlib.get_frontal_face_detector()imgcv2.imread(pyy.png)facesdetector(img,0)forface in faces:x1face.left()y1face.top()x2face.right()y2face.bottom()cv2.rectangle(img,(x1,y1),(x2,y2),(0,0,255),2)cv2.imshow(result,img)cv2.waitKey(0)cv2.destroyAllWindows()一、安装 dlib 库在运行代码之前你需要安装 dlib。由于 dlib 依赖 C 编译环境安装可能会有点挑战但你可以使用以下命令尝试pip install dlib如果安装失败可以下载预编译的 wheel 文件针对 Python 版本和系统或者使用 conda 安装conda install-c conda-forge dlib二、逐行代码解释导入库import cv2 #用于读取、显示和绘制图像 import dlib #包含机器学习算法的 C库提供了人脸检测、特征点定位、人脸识别等功能创建人脸检测器detectordlib.get_frontal_face_detector()dlib.get_frontal_face_detector() 返回一个基于 HOG 线性 SVM 的人脸检测器对象。该检测器经过大量训练能检测不同大小、不同角度的人脸正面和侧面。读取图像imgcv2.imread(pyy.png)读取名为 pyy.png 的图片执行人脸检测facesdetector(img,0)detector(img, 0) 对图像进行人脸检测。第二个参数 0 表示不进行图像上采样upsample即使用原始尺寸进行检测。如果你想检测更小的人脸可以增加这个值如 1 表示上采样一次但会降低速度。返回一个矩形列表每个矩形代表一张人脸的位置。绘制矩形框forface in faces:x1face.left()#左 y1face.top()#上 x2face.right()#右 y2face.bottom()#下 cv2.rectangle(img,(x1,y1),(x2,y2),(0,0,255),2)遍历每个人脸框获取左上角坐标 (x1, y1) 和右下角坐标 (x2, y2)。显示和保存结果cv2.imshow(result,img)cv2.waitKey(0)cv2.destroyAllWindows()显示标注后的图像按任意键关闭窗口。运行结果三、与 OpenCV Haar 级联的对比特性Haar 级联dlib HOG SVM速度非常快稍慢准确率正面高侧面差正面和侧面都较好适用场景实时低功耗应用精度要求较高的应用通过对比可以看出dlib 更适合对准确率有较高要求的场景如果你的应用对实时性要求极高可以继续使用 Haar反之则推荐 dlib。
