《人脸识别之川剧变脸》学习任务单
（建议课时：2）
学 校：__________________________
姓 名：__________________________
班 级：__________________________
活动 1：基于 Dlib实现人脸检测
运行以下程序，基于 Dlib实现人脸检测，了解其检测结果的含义是什么：
# 首先，初始化一个 HOG人脸检测器
detector = dlib.get_frontal_face_detector()
# 读取图像
image = cv2.imread('./data/face-pics/pic0.png')
# 转换图像为灰度（Dlib人脸检测器需要灰度图像）
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
# 使用检测器检测人脸
faces = detector(gray, 0)
# 遍历检测到的人脸并用矩形框出
for face in faces:
x, y, w, h = face.left(), face.top(), face.width(), face.height()
cv2.rectangle(image, (x, y), (x + w, y + h), (0, 255, 0), 2)
plt.imshow(cv2.cvtColor(image, cv2.COLOR_BGR2RGB))
plt.axis('off') # 隐藏坐标轴
plt.show()
活动 2：基于人脸检测的脸谱绘制
补全以下程序并运行，实现基于人脸检测的脸谱绘制，观察绘制效果是否如
意？分析可能的原因以及如何解决？
from utils.mask_controller import Mask
mask = Mask('./data/masks/')
# 读取图像并转为灰度
image = cv2.imread('./data/face-pics/pic0.png')
img_gray = cv2.cvtColor(image, cv2.COLOR_RGB2GRAY)
# 检测视频画面中的人脸
faces = detector(img_gray, 0)
image = cv2.cvtColor(image, cv2.COLOR_BGR2RGB)
'''
请在此处补全程序，为每张人脸绘制脸谱
'''
for face in faces:
plt.imshow(image)
plt.axis('off') # 隐藏坐标轴
plt.show()
活动 3：为摄像头界面组件绑定 check_keypoints
我们导入面部关键点检测模型 shape_predictor_68_face_landmarks之后，并以
了一个 check_keypoints函数，用于检测并绘制面部关键点，请补全以下程序，将
check_keypoints绑定到 image_recorder上,每次捕获一张图像就触发这个函数：
'''
编写程序，将上述流程绑定到 image_recorder上,每次捕获一张图像就执行上述流程
'''
任务四：模型构建与训练
我们我们来实现一个 cover_facial_mask函数,用于绘制和切换脸谱，请在下一
段程序中补全核心程序，根据面部关键点坐标计算脸谱的尺寸（高度、宽度）以
及位置（y，x）。运行程序，与之前的脸谱绘制效果对比，是否有了提升？
# 接下来,我们来实现一个 cover_facial_mask函数,用于绘制和切换脸谱
def cover_facial_mask(_):
.
.
.
'''
请在此处补全程序
'''
# 计算脸谱的尺寸
mask_height =
mask_width =
# 定位脸谱的位置 (y, x)
mask_position =
.
.
.
推荐的学习资源：
1. Dlib官方网站：http://dlib.net/.
2. Dlib frontal_face_detector：https://github.com/davisking/dlib-models.
3. OpenCV官方网站：https://opencv.org.
4. 《Python人脸识别：从入门到工程实践》，王天庆，机械工业出版社，2019，
978-7-111-62385-4.
课后作业
在学习中，我们仅实现了单个人脸的川剧变脸效果。现在请你尝试将其改造
为多人版，即对于视频画面中的每一张人脸都能实现变脸效果。
提示：在关键点检测部分，我们实现了同时给多张人脸标定关键点；在变脸部分，我们
实现了单张人脸的川剧脸谱切换效果；将二者结合起来，分析 check_keypoints()和
cover_facial_mask()的核心程序，即可实现多人版。
我的收获：
/4
