Как получить координаты позиции точки в программе определения ориентира лица dlib?

Question

Существует одна пример программы python в dlib для определения позиции ориентира лица. face_landmark_detection.py

Эта программа обнаруживает функцию лица и обозначает ориентиры с точками и линиями на исходной фотографии.

Интересно, можно ли получить координатное положение каждой точки. Как (10, 25). «a» обозначает угол рта.

После небольшой модификации программы для обработки одного снимка за один раз, я стараюсь распечатать значение dets и формы без успеха.

>>>print(dets) 
<dlib.dlib.rectangles object at 0x7f3eb74bf950> 
>>>print(dets[0]) 
[(1005, 563) (1129, 687)] 

Аргументы для обозначения наземных ориентиров лица и тип данных до сих пор остаются неизвестными. А вот упрощенный код

import dlib 
from skimage import io 

#shape_predictor_68_face_landmarks.dat is the train dataset in the same directory 
predictor_path = "shape_predictor_68_face_landmarks.dat" 

detector = dlib.get_frontal_face_detector() 
predictor = dlib.shape_predictor(predictor_path) 
win = dlib.image_window() 

#FDT.jpg is the picture file to be processed in the same directory 
img = io.imread("FDT.jpg") 

win.set_image(img) 

dets = detector(img) 

print("Number of faces detected: {}".format(len(dets))) 
for k, d in enumerate(dets): 
    print("Detection {}: Left: {} Top: {} Right: {} Bottom: {}".format(
     k, d.left(), d.top(), d.right(), d.bottom())) 
    # Get the landmarks/parts for the face in box d. 
    shape = predictor(img, d) 
    #print(shape) 
    print("Part 0: {}, Part 1: {} ...".format(shape.part(0), 
               shape.part(1))) 
# Draw the face landmarks on the screen. 
win.add_overlay(shape) 

win.add_overlay(dets) 
dlib.hit_enter_to_continue() 

--------------------------- обновление 3.10.2016 ---- -----------------------

Сегодня, я помню метод help() в python и имею пробную версию с ним.

>>>help(predictor) 

Help on shape_predictor in module dlib.dlib object: 

class shape_predictor(Boost.Python.instance) 
| This object is a tool that takes in an image region containing 
some object and outputs a set of point locations that define the pose 
of the object. The classic example of this is human face pose 
prediction, where you take an image of a human face as input and are 
expected to identify the locations of important facial landmarks such 
as the corners of the mouth and eyes, tip of the nose, and so forth. 

В исходном коде, переменная shape является выходом метода предсказателя.

>>>help(shape) 

Описание формы

class full_object_detection(Boost.Python.instance) 
| This object represents the location of an object in an image along 
with the positions of each of its constituent parts. 
---------------------------------------------------------------------- 
| Data descriptors defined here: 
| 
| num_parts 
|  The number of parts of the object. 
| 
| rect 
|  The bounding box of the parts. 
| 
| ---------------------------------------------------------------------- 

Кажется, что переменная shape связана с точками координат положения.

>>>print(shape.num_parts) 
68 
>>>print(shape.rect) 
[(1005, 563) (1129, 687)] 

Я предполагаю, что обозначены граничные точки лица 68.

>>> print(shape.part(68)) 
Traceback (most recent call last): 
    File "<stdin>", line 1, in <module> 
IndexError: Index out of range 
>>> print(shape.part(65)) 
(1072, 645) 
>>> print(shape.part(66)) 
(1065, 647) 
>>> print(shape.part(67)) 
(1059, 646) 

Если это правда. Оставшаяся проблема заключается в том, какая часть отвечает, на какой грани стоит точка.

Answer 1

Я немного изменил код.

import dlib 
import numpy as np 
from skimage import io 

predictor_path = "shape_predictor_68_face_landmarks.dat" 

detector = dlib.get_frontal_face_detector() 
predictor = dlib.shape_predictor(predictor_path) 

img = io.imread("FDT.jpg") 

dets = detector(img) 

#output face landmark points inside retangle 
#shape is points datatype 
#http://dlib.net/python/#dlib.point 
for k, d in enumerate(dets): 
    shape = predictor(img, d) 

vec = np.empty([68, 2], dtype = int) 
for b in range(68): 
    vec[b][0] = shape.part(b).x 
    vec[b][1] = shape.part(b).y 

print(vec) 

Вот выходу

[[1003 575] 
[1005 593] 
[1009 611] 
[1014 627] 
[1021 642] 
[1030 655] 
[1041 667] 
[1054 675] 
[1069 677] 
[1083 673] 
[1095 664] 
[1105 651] 
[1113 636] 
[1120 621] 
[1123 604] 
[1124 585] 
[1124 567] 
[1010 574] 
[1020 570] 
[1031 571] 
[1042 574] 
[1053 578] 
[1070 577] 
[1081 572] 
[1092 568] 
[1104 566] 
[1114 569] 
[1063 589] 
[1063 601] 
[1063 613] 
[1063 624] 
[1050 628] 
[1056 630] 
[1064 632] 
[1071 630] 
[1077 627] 
[1024 587] 
[1032 587] 
[1040 586] 
[1048 588] 
[1040 590] 
[1031 590] 
[1078 587] 
[1085 585] 
[1093 584] 
[1101 584] 
[1094 588] 
[1086 588] 
[1045 644] 
[1052 641] 
[1058 640] 
[1064 641] 
[1070 639] 
[1078 640] 
[1086 641] 
[1080 651] 
[1073 655] 
[1066 656] 
[1059 656] 
[1052 652] 
[1048 645] 
[1059 645] 
[1065 646] 
[1071 644] 
[1083 642] 
[1072 645] 
[1065 647] 
[1059 646]] 

И есть еще один проект с открытым кодом OpenFace, который основан на dlib и описывает коррелирующую часть каждой точки в лице.

The url of describing image