dlib 人脸对齐 基本原理

代码

extract_image_chip(img, dlib::get_face_chip_details(shape, 150, 0.25), face_chip);

dlib::get_face_chip_details(shape, 150, 0.25)
输入参数：shape为提取的人脸关键点，68个点
160为希望获取的对齐后的人脸大小
0.1 是希望对人脸关键点区域进行padding的比例

1.padding的含义
dlib内部使用了51个人脸关键点进行对齐，如下图所示：

假设padding大小为0.25，padding之后的人脸关键点如下图所示：

上述两幅图像为同样大小，均为150*150，可以看到使用0.25为系数进行padding之后得到的人脸区域明显内收，得到了包含更大面部区域的对齐图像。

2.get_face_chip_details(shape, 150, 0.25)
函数的计算过程分为两部分：

• 首先对上述第二幅图所示的关键点中选取编号为10-37，43-47的关键点，也就是鼻子、左眼、右眼及上嘴唇部分的基准关键点，同时获取当前图像检测出的对应位置的关键点；
• 计算上述两个点集之间的相似变换矩阵，获取当前人脸图像相对于基准人脸间的旋转角度、缩放系数及应该获取的人脸区域的rect坐标。
  注：相似变换及进行二维图像间的旋转、平移及缩放，在改变的过程中保持形状不变（大小方向和位置可变）的图形，也就是正方形变换完还是正方形，不会像仿射变换一样还可以变换为平行四边形。
  下图参考自： https://blog.csdn.net/u014096352/article/details/53526747
  

3.void extract_image_chip (const image_type1& img,const chip_details& location,image_type2& chip,const interpolation_type& interp)
函数的作用是根据计算出的相似变换的矩阵location，从原始图像img中得到变换后的图像块chip，使用interp插值方法。

总结

dlib的人脸对齐是基于鼻子、双眼和上嘴唇的相似变换，在不改变面部重点五官形状的基础上将人脸对齐到基准人脸。