从零开始搭建人脸106点关键点检测模型(一）：准备数据集——调用face++ api检测人脸106关键点_面部关键点检测106点

        无聊的发慌打算写个搭建人脸106点关键点检测模型的简易教程，包括数据集准备，模型搭建，训练以及推理测试，保证简单易懂。第一步，就是数据集的准备。我们首先想到的就是开源的人脸关键点数据集300W,WFLW等。但是开源的缺少106点的数据集，所以我们可以调用face++的api标注106关键点作为我们训练的数据集。（虽然不是很准）。

一.下载数据。

我们选用WFLW数据集的图片（商汤开源的人脸98点数据集），下面是下载链接。链接：https://pan.baidu.com/s/1XkUe-mJQmnrVjy84DkjRNQ 
提取码：eq90 
 

二.调用face++api标注人脸。

https://www.faceplusplus.com.cn/官网链接。进入官网点击右侧控制台会进入注册页面，注册一下。到控制台应用管理创建一个APIkey。创建好会有API Key和API Secret后面会有用。准备就绪后，下面直接上调用代码。代码里的Key和Secret换上你自己的。还有下载下来的图片路径换上你的路径。

# -*- coding: utf-8 -*-
import urllib.request
import urllib.error
import time
import cv2
import json,os
import numpy as np
http_url = 'https://api-cn.faceplusplus.com/facepp/v3/detect'
key = ""
secret = ""
f=open('WFLW_106landmark.txt','a')
t=1
dir_path=r"D:\py\datasets\WFLW_ALL"
img_names=os.listdir(dir_path)
for img_name in img_names:
    # if t<6551:
    #     t=t+1
    #     continue
    filepath=os.path.join(dir_path,img_name)
    #filepath = "3.jpg"
 
    boundary = '----------%s' % hex(int(time.time() * 1000))
    data = []
    data.append('--%s' % boundary)
    data.append('Content-Disposition: form-data; name="%s"\r\n' % 'api_key')
    data.append(key)
    data.append('--%s' % boundary)
    data.append('Content-Disposition: form-data; name="%s"\r\n' % 'api_secret')
    data.append(secret)
    data.append('--%s' % boundary)
    fr = open(filepath, 'rb')
    data.append('Content-Disposition: form-data; name="%s"; filename=" "' % 'image_file')
    data.append('Content-Type: %s\r\n' % 'application/octet-stream')
    data.append(fr.read())
    fr.close()
    data.append('--%s' % boundary)
    data.append('Content-Disposition: form-data; name="%s"\r\n' % 'return_landmark')
    data.append('2')
    data.append('--%s' % boundary)
    data.append('Content-Disposition: form-data; name="%s"\r\n' % 'return_attributes')
    data.append(
        "gender,age,smiling,headpose,facequality,blur,eyestatus,emotion,ethnicity,beauty,mouthstatus,eyegaze,skinstatus")
    data.append('--%s--\r\n' % boundary)
 
    for i, d in enumerate(data):
        if isinstance(d, str):
            data[i] = d.encode('utf-8')
 
    http_body = b'\r\n'.join(data)
 
    # build http request
    req = urllib.request.Request(url=http_url, data=http_body)
 
    # header
    req.add_header('Content-Type', 'multipart/form-data; boundary=%s' % boundary)
 
    try:
        # post data to server
        resp = urllib.request.urlopen(req, timeout=200)
        # get response
        qrcont = resp.read()
        # if you want to load as json, you should decode first,
        # for example: json.loads(qrount.decode('utf-8'))
        #print(qrcont.decode('utf-8'))
        result=json.loads(qrcont.decode('utf-8'))
        #print(1)
        #img=cv2.imread(filepath)
        for i in range(result['face_num']):
            if 'landmark' not in result['faces'][i].keys():
                continue
            landmark=result['faces'][i]['landmark']
            landmark_list=[]
            for dict_key in landmark.keys():
                #print(landmark.keys())
                landmark_list.append([landmark[dict_key]['x'],landmark[dict_key]['y']])
                #cv2.circle(img,(landmark[dict_key]['x'],landmark[dict_key]['y']),2,(0,0,255))
            landmark_array=np.array(landmark_list)
            landmark_str = ' '.join(list(map(str,landmark_array.reshape(-1).tolist())))
            label = '{} {}\n'.format(img_name, landmark_str)
            f.writelines(label)
        # cv2.namedWindow('face++ landmark',0)
        # cv2.imshow('face++ landmark',img)
        # cv2.waitKey(0)
        print(t)
        t=t+1
    except urllib.error.HTTPError as e:
        print(e.read().decode('utf-8'))
 
f.close()