人脸关键点定位是指通过计算机视觉技术，识别和定位人脸图像中的关键点，如眼睛、鼻子、嘴巴等特定位置。这些关键点的准确定位对于人脸识别、表情分析、姿态估计等应用具有重要意义。
1. 安装必要的库
首先，你需要确保你的PyCharm环境中安装了dlib、opencv-python（或cv2）和numpy等库。你可以通过PyCharm的
Settings->Project: [Your Project Name]->Python Interpreter来添加这些库，或者使用pip命令在终端中安装它们：pip install dlib opencv-python numpy在终端里直接安装 dlib 库可能会出现问题，可以参照以下来链接中的内容进行安装
2. 下载dlib的人脸检测器和关键点预测器模型
dlib提供了预训练的人脸检测器和关键点预测器模型。你需要从dlib的官方资源中下载这些模型，并将它们保存到你的项目中。
- 人脸检测器模型（例如：
shape_predictor_68_face_landmarks.dat） - 人脸识别模型（可选，如果你还需要进行人脸识别）
你可以从dlib的模型下载页面获取这些模型。
3. 编写代码
以下是一个简单的Python脚本，它使用dlib库来加载模型，检测图像中的人脸，并定位关键点：
import numpy as np import cv2 import dlib # 读取图片 image = cv2.imread('kobe_2.jpg') # 构造人脸检测器 detector = dlib.get_frontal_face_detector() # 检测人脸 faces = detector(image, 0) # dlib.shape_predictor 载入模型(加载预测器) # 可以从 https://github.com/davisking/dlib-models 下载 xmlopencv 自己训练好的特征,dlib人脸关键点的检测模型 predictor = dlib.shape_predictor("shape_predictor_68_face_landmarks.dat") # 获取每一张脸的关键点(实现检测) for face in faces: shape = predictor(image, face) # 获取关键点 # 将关键点转换为坐标(x,y)的形式 landmarks = np.array([[p.x, p.y] for p in shape.parts()]) # 绘制每一张脸的关键点(绘制shape中的每个点) for idx, point in enumerate(landmarks): pos = [point[0], point[1]] # 当前关键点的坐标 # 针对当前关键点，绘制一个实心圆 cv2.circle(image, pos, 3, color=(0, 255, 0), thickness=-1) # 将每个关键点的索引号写在旁边， 普通大小的等宽字体 线条类型:抗锯齿线条。 cv2.putText(image, str(idx), pos, cv2.FONT_HERSHEY_SIMPLEX, 0.4, (255, 255, 255), 1, cv2.LINE_AA) # 显示结果 cv2.imshow("result", image) cv2.waitKey(0) # 关闭所有OpenCV创建的窗口 cv2.destroyAllWindows()结果如下：
