太棒了，但我們能做點(diǎn)更酷的事嗎？步驟4：實(shí)時(shí)檢測是的，你沒看錯(cuò)！這可能就是你想要的效果！下一步是連接我們的網(wǎng)絡(luò)攝像頭，從你的視頻流中進(jìn)行實(shí)時(shí)地關(guān)鍵點(diǎn)識別。你可以通過使用相機(jī)遍歷視頻幀或使用視頻文件來對面部進(jìn)行實(shí)時(shí)面部關(guān)鍵點(diǎn)檢測。如果要使用自己的攝像機(jī)，請參考以下代碼，如果使用的是視頻文件，請確保將數(shù)字0更改為視頻路徑。如果要結(jié)束窗口，請按鍵盤上的ESC鍵：import cv2import dlib
＃ Load the detectordetector ＝ dlib．get＿frontal＿face＿detector（）
＃ Load the predictorpredictor ＝ dlib．shape＿predictor（＂shape＿predictor＿68＿face＿landmarks．dat＂）
＃ read the imagecap ＝ cv2．VideoCapture（0）
while True：    ＿， frame ＝ cap．read（）    ＃ Convert image into grayscale    gray ＝ cv2．cvtColor（src＝frame， code＝cv2．COLOR＿BGR2GRAY）
   ＃ Use detector to find landmarks    faces ＝ detector（gray）
   for face in faces：        x1 ＝ face．left（）  ＃ left point        y1 ＝ face．top（）  ＃ top point        x2 ＝ face．right（）  ＃ right point        y2 ＝ face．bottom（）  ＃ bottom point
       ＃ Create landmark object        landmarks ＝ predictor（image＝gray， box＝face）
       ＃ Loop through all the points        for n in range（0， 68）：            x ＝ landmarks．part（n）．x            y ＝ landmarks．part（n）．y
           ＃ Draw a circle            cv2．circle（img＝frame， center＝（x， y）， radius＝3， color＝（0， 255， 0）， thickness＝－1）
   ＃ show the image    cv2．imshow（winname＝＂Face＂， mat＝frame）
   ＃ Exit when escape is pressed    if cv2．waitKey（delay＝1） ＝＝ 27：        break
＃ When everything done， release the video capture and video write objectscap．release（）
＃ Close all windowscv2．destroyAllWindows（）最后的結(jié)果是：

在弱光條件下，盡管上面的圖像中有一些錯(cuò)誤，但其結(jié)果也相當(dāng)準(zhǔn)確，如果照明效果好的話結(jié)果會更加準(zhǔn)確。結(jié)論OpenCV和DLib是兩個(gè)功能非常強(qiáng)大的庫，它們簡化了ML和計(jì)算機(jī)視覺的工作，今天我們只是觸及了最基本的東西，還有很多東西需要從中學(xué)習(xí)。非常感謝你的閱讀！

☆ END ☆