一：dlib库
Dlib库是一个机器学习的开源库，包含了机器学习的很多算法，使用起来很方便，直接包含头文件即可，并且不依赖于其他库（自带图像编解码库源码）。
下载：
进入到官方网址下载： http://dlib.net/
Dlib的主要特点：
1. 文档齐全
不像很多其他的开源库一样，Dlib为每一个类和函数提供了完整的文档说明。同时，还提供了debug模式；打开debug模式后，用户可以调试代码，查看变量和对象的值，快速定位错误点。另外，Dlib还提供了大量的实例。
2. 高质量的可移植代码
Dlib不依赖第三方库，无须安装和配置，这部分可参照（官网左侧树形目录的how to compile的介绍）。Dlib可用在window、Mac OS、Linux系统上。
3. 提供大量的机器学习 / 图像处理算法
>> 深度学习
>> 基于SVM的分类和递归算法
>> 针对大规模分类和递归的降维方法
dlib库与opencv的安装
pip install dlib-19.19.0-cp38-cp38-win_amd64.whl
使用python库中的opencv，通过pip指令进行基本安装
pip install opencv_python==3.4.11.45
二：人脸信息的采集：
1.导入需要的包：
import numpy as np import cv2 import dlib import os import sys import random
2.设定图片亮度：
output_dir = 'D:/faces'
size = 64
if not os.path.exists(output_dir):
os.makedirs(output_dir)
# 改变图片的亮度与对比度
3.设定图片的基本格式，调用dlib库的提取器：
def relight(img, light=1, bias=0):
w = img.shape[1]
h = img.shape[0]
#image = []
for i in range(0,w):
for j in range(0,h):
for c in range(3):
tmp = int(img[j,i,c]*light + bias)
if tmp > 255:
tmp = 255
elif tmp < 0:
tmp = 0
img[j,i,c] = tmp
return img
#使用dlib自带的frontal_face_detector作为我们的特征提取器
detector = dlib.get_frontal_face_detector()
4.调用摄像头，读取人物图片：
# 打开摄像头 参数为输入流，可以为摄像头或视频文件
#camera = cv2.VideoCapture(0)
camera = cv2.VideoCapture('E:\Ai\face\人脸.png')
ok = True
5.调用人脸68点采集函数：
detector = dlib.get_frontal_face_detector()
predictor = dlib.shape_predictor('E:\Ai\face\shape_predictor_68_face_landmarks.dat')
6.函数调用，完成人脸图像的采集：
while ok:
# 读取摄像头中的图像，ok为是否读取成功的判断参数
ok, img = camera.read()
# 转换成灰度图像
img_gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
rects = detector(img_gray, 0)
for i in range(len(rects)):
landmarks = np.matrix([[p.x, p.y] for p in predictor(img,rects[i]).parts()])
for idx, point in enumerate(landmarks):
# 68点的坐标
pos = (point[0, 0], point[0, 1])
print(idx,pos)
# 利用cv2.circle给每个特征点画一个圈，共68个
cv2.circle(img, pos, 2, color=(0, 255, 0))
# 利用cv2.putText输出1-68
font = cv2.FONT_HERSHEY_SIMPLEX
cv2.putText(img, str(idx+1), pos, font, 0.2, (0, 0, 255), 1,cv2.LINE_AA)
cv2.imshow('video', img)
k = cv2.waitKey(1)
if k == 27: # press 'ESC' to quit
break
camera.release()
cv2.destroyAllWindows()
三：人物墨镜的绘制：
1.导入package
# 导入包 import numpy as np import cv2 import dlib import os import sys import random
2.添加函数，获得人脸检测器和特征点检测器：
def get_detector_and_predicyor():
#使用dlib自带的frontal_face_detector作为我们的特征提取器
detector = dlib.get_frontal_face_detector()
"""
功能：人脸检测画框
参数：PythonFunction和in Classes
in classes表示采样次数，次数越多获取的人脸的次数越多，但更容易框错
返回值是矩形的坐标，每个矩形为一个人脸（默认的人脸检测器）
"""
#返回训练好的人脸68特征点检测器
predictor = dlib.shape_predictor('E:\Ai\face\shape_predictor_68_face_landmarks.dat')
return detector,predictor
3.获取所需要的检测器：
#获取检测器 detector,predictor=get_detector_and_predicyor()
4.获取特征点函数，识别眼睛特征点，通过Circle函数对该点绘制墨镜
def painting_sunglasses(img,detector,predictor):
#给人脸带上墨镜
rects = detector(img_gray, 0)
for i in range(len(rects)):
landmarks = np.matrix([[p.x, p.y] for p in predictor(img,rects[i]).parts()])
right_eye_x=0
right_eye_y=0
left_eye_x=0
left_eye_y=0
for i in range(36,42):#右眼范围
#将坐标相加
right_eye_x+=landmarks[i][0,0]
right_eye_y+=landmarks[i][0,1]
#取眼睛的中点坐标
pos_right=(int(right_eye_x/6),int(right_eye_y/6))
"""
利用circle函数画圆
函数原型
cv2.circle(img, center, radius, color[, thickness[, lineType[, shift]]])
img：输入的图片data
center：圆心位置
radius：圆的半径
color：圆的颜色
thickness：圆形轮廓的粗细（如果为正）。负厚度表示要绘制实心圆。
lineType： 圆边界的类型。
shift：中心坐标和半径值中的小数位数。
"""
cv2.circle(img=img, center=pos_right, radius=30, color=(0,0,0),thickness=-1)
for i in range(42,48):#左眼范围
#将坐标相加
left_eye_x+=landmarks[i][0,0]
left_eye_y+=landmarks[i][0,1]
#取眼睛的中点坐标
pos_left=(int(left_eye_x/6),int(left_eye_y/6))
cv2.circle(img=img, center=pos_left, radius=30, color=(0,0,0),thickness=-1)
5.函数调用，获取摄像头权限，采集人物图像点
camera = cv2.VideoCapture(0)#打开摄像头
ok=True
# 打开摄像头 参数为输入流，可以为摄像头或视频文件
while ok:
ok,img = camera.read()
# 转换成灰度图像
img_gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
#display_feature_point(img,detector,predictor)
painting_sunglasses(img,detector,predictor)#调用画墨镜函数
cv2.imshow('video', img)
k = cv2.waitKey(1)
if k == 27: # press 'ESC' to quit
break
camera.release()
cv2.destroyAllWindows()
