基于Python，dlib实现人脸检测

关注

原创最新推荐文章于 2026-07-09 16:40:36 发布 5.3k 阅读 AI 写同款· GEO 优化 ›

dlib库学习--------目标检测（hog+svm）一、训练超参数设置 dlib库中目标检测器训练的超参数由dlib.simple_object_detector_training_options类设定。下面我们来详细看看这个类 class simple_object_detector_training_options(): __init__() C #sv... 阅读详情

dilb 在做人脸检测人脸识别这块，也是用到比较多的。face_recognition就是基于dlib实现的。

这篇文章将使用Python和dlib实现人脸检测

配置环境

Python 3
Dlib 下载地址选择相应的版本使用命令(例如)

pip install dlib-19.8.1-cp36-cp36m-win_amd64.whl

训练模型 训练模型用于是人脸识别的关键，用于查找图片的关键点。下载地址
下载文件：shape_predictor_68_face_landmarks.dat.bz2

代码实现

#coding=utf-8
#图片检测 - Dlib版本
import cv2
import dlib
import time
t=time.time()
path = "../../face_photos/yiqi.jpg"
img = cv2.imread(path)
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

#人脸分类器
detector = dlib.get_frontal_face_detector()
# 获取人脸检测器
predictor = dlib.shape_predictor(
    "../shape_predictor_68_face_landmarks.dat"
)
dets = detector(gray, 1)
for face in dets:
    #在图片中标注人脸，并显示
    left = face.left()
    top = face.top()
    right = face.right()
    bottom = face.bottom()
    cv2.rectangle(img, (left, top), (right, bottom), (0, 255, 0), 2)
    cv2.imshow("image", img)
print('所用时间为{}'.format(time.time()-t))
cv2.waitKey(0)
#cv2.destroyAllWindows()
time.sleep(5)

效果图

所用时间 1.4秒左右还是有点慢的

更改路径

里面只需要将 path后面的路径换成需要检测人脸的照片
将predictor 后面的路径改成上面提到的人脸检测模型的路径

打印关键点

#coding=utf-8
#图片检测 - Dlib版本
import cv2
import dlib
import time
t=time.time()
path = "../../face_photos/liushishi1.jpeg"
img = cv2.imread(path)
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

#人脸分类器
detector = dlib.get_frontal_face_detector()
# 获取人脸检测器
predictor = dlib.shape_predictor(
    "../shape_predictor_68_face_landmarks.dat"
)

dets = detector(gray, 1)
for face in dets:
    shape = predictor(img, face)  # 寻找人脸的68个标定点
    # 遍历所有点，打印出其坐标，并圈出来
    for pt in shape.parts():
        pt_pos = (pt.x, pt.y)
        cv2.circle(img, pt_pos, 1, (0, 255, 0), 2)
    cv2.imshow("image", img)
print('所用时间为{}'.format(time.time()-t))
cv2.waitKey(0)
#cv2.destroyAllWindows()
time.sleep(5)