当前位置：首页 > news >正文

OpenCV 人脸分析------面部关键点检测类cv::face::FacemarkLBF

news 2025/7/8 7:03:32

操作系统：ubuntu22.04
OpenCV版本：OpenCV4.9
IDE:Visual Studio Code
编程语言：C++11

算法描述

使用 Local Binary Features (LBF) 算法进行面部关键点检测（facial landmark detection）。该算法通过级联回归树预测人脸的 68 个关键点，具有较高的精度和速度。

公共成员函数

static Ptr<FacemarkLBF> create(const Params &parameters = Params())

作用：创建一个 FacemarkLBF 实例。
参数：
parameters: 可选的 LBF 参数配置。
返回值：返回 FacemarkLBF 的智能指针对象。

 virtual bool loadModel(const String& filename) override

作用：加载预训练的 LBF 模型文件（.yaml 或 .yml 格式）。
参数：
filename: 模型文件路径。
返回值：成功返回 true，失败返回 false。
注意：模型文件通常是 lbfmodel.yaml。

 virtual bool fit(InputArray image, const std::vector<cv::Rect>& faces, CV_OUT std::vector<std::vector<cv::Point2f>>& landmarks) override

作用：对图像中的一张或多张人脸进行面部关键点拟合。
参数：

image: 输入图像（建议为灰度图）。
faces: 包含每张人脸的边界框（std::vectorcv::Rect）。
landmarks: 输出结果，是一个二维向量，每个子向量对应一张人脸的关键点集合。

返回值：成功返回 true，否则 false。

`void setParameters(const Params& parameters)`

作用：设置 LBF 算法的参数。
参数：

parameters: LBF 参数结构体。

const Params& getParameters() const

作用：获取当前设置的 LBF 参数。

参数结构体 cv::face::FacemarkLBF::Params

这是 FacemarkLBF 的参数结构体，可以自定义以下参数：

成员变量	类型	默认值	含义
scale_factor	float	1.0f	图像缩放因子，影响检测速度与精度
n_landmarks	int	68	关键点数量（通常为 68）
n_trees	int	500	使用的回归树数量
tree_depth	int	5	每棵树的最大深度
valid_radius	float	1.0f	特征采样半径范围
oversampling_ceil	int	30	过采样上限
use_eye_centers	bool	false	是否使用眼睛中心作为初始点

示例代码


#include <opencv2/face.hpp>
#include <opencv2/opencv.hpp>using namespace cv;
using namespace cv::face;
using namespace std;int main()
{// 加载 Haar 分类器CascadeClassifier faceCascade( "haarcascade_frontalface_default.xml" );if ( faceCascade.empty() ){cerr << "无法加载 Haar 分类器！" << endl;return -1;}// 创建 FacemarkLBF 实例Ptr< FacemarkLBF > facemark = FacemarkLBF::create();facemark->loadModel( "lbfmodel.yaml" );// 加载图像Mat img = imread( "/media/dingxin/data/study/OpenCV/sources/images/Lenna.png" );if ( img.empty() ){cerr << "图像加载失败！" << endl;return -1;}Mat gray;cvtColor( img, gray, COLOR_BGR2GRAY );// 检测人脸vector< Rect > faces;faceCascade.detectMultiScale( gray, faces, 1.1, 3, 0, Size( 100, 100 ) );if ( faces.empty() ){cout << "未检测到人脸。" << endl;return -1;}// ✅ 改为二维向量存储关键点vector< vector< Point2f > > landmarks;// 拟合关键点if ( facemark->fit( img, faces, landmarks ) ){// 遍历每个人脸的关键点集合并绘制for ( const auto& face_landmarks : landmarks ){for ( const auto& point : face_landmarks ){circle( img, point, 2, Scalar( 0, 255, 0 ), FILLED );}}imshow( "Facial Landmarks", img );waitKey( 0 );}else{cout << "未能拟合面部关键点。" << endl;}return 0;
}