如何实现人脸对齐与裁剪？基于dlib裁剪后的人脸对齐方法问询

阿华AIGC实验室

2026-5-26

人脸对齐：用dlib从检测到对齐的完整流程

嘿，我太懂这种感觉了——用dlib做基础人脸检测简直手到擒来，但一涉及到人脸对齐就突然懵了，尤其是看到faceswap那种复杂代码的时候，完全不知道从哪下手！其实核心逻辑没那么难，咱们一步步来拆解。

首先得明白：人脸对齐的本质是把不同角度、位置的人脸，通过几何变换映射到一个标准的正脸模板上，这样后续的人脸识别、特征提取或者换脸才能更准确。dlib本身就提供了实现对齐的关键工具——形状预测器，配合OpenCV的变换就能搞定。

第一步：准备工具

你需要先下载dlib官方提供的预训练68点人脸关键点模型（文件名一般是shape_predictor_68_face_landmarks.dat），这个模型能精准定位人脸的眼睛、鼻子、嘴巴等关键部位的坐标。

第二步：完整代码实现

结合你已有的检测代码，我把对齐的步骤整合进去了，直接就能用：

import dlib
import cv2
import numpy as np

# 初始化人脸检测器和形状预测器
face_detector = dlib.get_frontal_face_detector()
# 替换成你的模型文件路径
shape_predictor = dlib.shape_predictor("shape_predictor_68_face_landmarks.dat")

def detect_and_align_faces(image):
    # 先检测人脸（就是你原来的代码逻辑）
    detected_faces = face_detector(image, 1)
    aligned_faces = []
    
    for face_rect in detected_faces:
        # 1. 提取当前人脸的68个关键点
        shape = shape_predictor(image, face_rect)
        landmarks = np.array([[p.x, p.y] for p in shape.parts()])
        
        # 2. 选几个关键的点来做对齐（左眼、右眼、鼻尖是核心，加嘴角更稳定）
        src_key_points = landmarks[[36, 45, 30, 48, 54]]  # 对应左眼中心、右眼中心、鼻尖、左嘴角、右嘴角
        
        # 3. 定义标准正脸的模板位置（这里设定的是256x256的人脸尺寸，可按需调整）
        target_size = (256, 256)
        target_key_points = np.array([
            [60, 80],    # 左眼预期位置
            [196, 80],   # 右眼预期位置
            [128, 136],  # 鼻尖预期位置
            [60, 192],   # 左嘴角预期位置
            [196, 192]   # 右嘴角预期位置
        ], dtype=np.float32)
        
        # 4. 计算仿射变换矩阵（用前3个点就够，仿射变换只需要3组对应点）
        transform_matrix = cv2.getAffineTransform(
            src_key_points[:3].astype(np.float32), 
            target_key_points[:3].astype(np.float32)
        )
        
        # 5. 应用变换，得到对齐后的人脸
        aligned_face = cv2.warpAffine(image, transform_matrix, target_size)
        aligned_faces.append(aligned_face)
    
    return aligned_faces

第三步：代码逻辑解释

关键点提取：dlib的形状预测器能精准定位68个关键点，我们挑了最影响人脸姿态的几个，保证对齐后的人脸是正脸姿态。
仿射变换：这是实现对齐的核心，它能把倾斜、偏移的人脸“拉”到我们设定的标准位置，同时保留人脸的形状比例。
灵活性：你可以根据自己的需求调整target_size和target_key_points的坐标，比如要更大的人脸就把尺寸调大，或者调整眼睛、鼻子的位置适配特定任务。