有多种面部标记检测器，但所有方法基本上都试图定位和标记以下面部区域：

• 嘴

• 右眉

• 左眉

• 右眼

• 左眼

• 鼻

• 颌

dlib库中包含的面部标记检测器是Kazemi和Sullivan（2014）提出的一系列回归树的一毫秒面部校准的实现。

此方法首先使用：

• 图像上标记的面部标记的训练集。这些图像被手动标记，指定每个面部结构周围区域的特定（x，y）坐标。

• 先验，更具体地说，是输入像素对之间距离的概率。

给定该训练数据，训练回归树集合，以直接从像素强度本身估计面部标记位置（即，不进行“特征提取”）。

最终的结果是一个面部标记检测器，可用于实时检测具有高质量预测的面部标记。

dlib的面部标记检测器

=======================================================================

dlib库中预先训练的面部标记检测器用于估计映射到面部结构的68（x，y）坐标的位置。

68个坐标的索引可在下图中显示：

这些注释是68点iBUG 300-W数据集的一部分，dlib面部标记预测器是在该数据集上训练的。

值得注意的是，还有其他风格的面部标记检测器，包括可以在HELEN数据集上训练的194点模型。

无论使用哪一个数据集，都可以利用相同的dlib框架在输入训练数据上训练形状预测器-如果您想训练面部标记检测器或自定义形状预测器，这非常有用。

在这篇博文的剩余部分，我将演示如何在图像中检测这些面部标记。

使用dlib、OpenCV和Python检测面部标记

=====================================================================================

这篇博文使用到了imutils