main.py

import time
import dlib
import cv2

# 1.导入测试图片, 进行人脸检测
# 与人脸检测相同，使用dlib自带的frontal_face_detector作为人脸检测器
detector = dlib.get_frontal_face_detector()

# 使用官方提供的模型构建特征提取器
predictor = dlib.shape_predictor('shape_predictor_68_face_landmarks.dat')
# cv2读取图片
time_start = time.process_time()
img = cv2.imread("timg.jpeg")
# 与人脸检测程序相同,使用detector进行人脸检测 dets为返回的结果
dets = detector(img, 1)
# 使用enumerate 函数遍历序列中的元素以及它们的下标
# 下标k即为人脸序号
# left：人脸左边距离图片左边界的距离 ；right：人脸右边距离图片左边界的距离
# top：人脸上边距离图片上边界的距离 ；bottom：人脸下边距离图片上边界的距离
imgArray = []
for k, d in enumerate(dets):
    print("dets{}".format(d))
    print("Detection {}: Left: {} Top: {} Right: {} Bottom: {}".format(
        k, d.left(), d.top(), d.right(), d.bottom()))

    # 绘制框
    cv2.rectangle(img, (d.left(), d.top()), (d.right(), d.bottom()), (0, 0, 255), 2)
    imgArray.append(img[d.top():d.bottom(), d.left():d.right()])
    # # 使用predictor进行人脸关键点识别 shape为返回的结果
    # shape = predictor(img, d)
    # # 获取第一个和第二个点的坐标（相对于图片而不是框出来的人脸）
    # print("Part 0: {}, Part 1: {} ...".format(shape.part(0), shape.part(1)))
    # # 绘制特征点
    # for index, pt in enumerate(shape.parts()):
    #     print('Part {}: {}'.format(index, pt))
    #     pt_pos = (pt.x, pt.y)
    #     cv2.circle(img, pt_pos, 1, (255, 0, 0), 2)
    #     # 利用cv2.putText输出1-68
    #     font = cv2.FONT_HERSHEY_SIMPLEX
    #     cv2.putText(img, str(index + 1), pt_pos, font, 0.3, (0, 0, 255), 1, cv2.LINE_AA)
cv2.imshow('img', img)
# 将每个人脸显示出来
for i in range(0, len(imgArray)):
    cv2.imshow('face' + str(i), imgArray[i])
time_end = time.process_time()
print('totally cost', time_end - time_start)
k = cv2.waitKey()
cv2.destroyAllWindows()