Image processing 图像处理中人脸标志点的归一化
我正在从事一个与从面部识别情绪（悲伤、快乐、愤怒等）相关的项目。我正在使用dlib库中的面部地标检测器检测68个兴趣点。对于相同的情绪，这些兴趣点可能会根据不同面部的面部方向、眼睛大小、嘴唇等而有所不同Image processing 图像处理中人脸标志点的归一化,image-processing,normalization,dlib,Image Processing,Normalization,Dlib,我正在从事一个与从面部识别情绪（悲伤、快乐、愤怒等）相关的项目。我正在使用dlib库中的面部地标检测器检测68个兴趣点。对于相同的情绪，这些兴趣点可能会根据不同面部的面部方向、眼睛大小、嘴唇等而有所不同 我想使这些兴趣点正常化，使它们对脸部方向、眼睛大小、嘴唇等保持不变。我可以使用什么技术来做到这一点。然后我想用SVM训练数据 Dlib已经有了通过调用函数在示例中使用的规范化代码 您将需要使用其部分代码来获得标准化的地标-它们仍然有足够的信息来检测情绪，但人脸将被旋转和缩放： ... // 1.
我想使这些兴趣点正常化，使它们对脸部方向、眼睛大小、嘴唇等保持不变。我可以使用什么技术来做到这一点。然后我想用SVM训练数据 Dlib已经有了通过调用函数在示例中使用的规范化代码 您将需要使用其部分代码来获得标准化的地标-它们仍然有足够的信息来检测情绪，但人脸将被旋转和缩放：
...
// 1. detect faces
std::vector<rectangle> dets = detector(image);
for (rectangle d : dets)
{
// 2. get landmarks
full_object_detection shape = sp(image, d);
// 3. chip details (normalization params) for normalized image with normalized size of 100 pixels
chip_details chip = get_face_chip_details(shape, 100);
// 4. get normalized landmarks
full_object_detection normalized = map_det_to_chip(shape, chip);
// now you can used normalized shape in your classifier
}
。。。
// 1. 检测人脸
std：：矢量dets=检测器（图像）；
用于（矩形d:dets）
{
//2.获得地标
完整对象检测形状=sp（图像，d）；
//3.规格化大小为100像素的规格化图像的芯片细节（规格化参数）
chip\u details chip=get\u face\u chip\u details（形状，100）；
//4.获取标准化的地标
全对象检测标准化=映射到芯片（形状、芯片）；
//现在可以在分类器中使用规格化形状
}