# face_landmarks面部检测 81 点形状预测模型_moonbit重构版

**Repository Path**: vcdplus/face_landmarks

## Basic Information

- **Project Name**: face_landmarks面部检测 81 点形状预测模型_moonbit重构版
- **Description**: dlib 的 81 点形状预测模型：从 [此 GitHub 仓库](https://github.com/codeniko/shape_predictor_81_face_landmarks)
- **Primary Language**: Unknown
- **License**: Apache-2.0
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2025-08-14
- **Last Updated**: 2025-08-14

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# 人脸关键点检测器 (Face Landmarks Detector)

这是一个使用 MoonBit 语言重构的实时人脸关键点检测和录制程序，原始版本基于 Python 的 OpenCV 和 dlib 库。

## 项目特性

- **实时人脸检测**：使用 dlib 的正面人脸检测器
- **81点关键点检测**：精确检测人脸的81个关键特征点
- **实时视频处理**：支持摄像头实时捕获和处理
- **视频录制**：将处理结果保存为视频文件
- **类型安全**：利用 MoonBit 的强类型系统确保代码安全
- **模块化设计**：清晰的代码组织和模块分离

## 项目结构

```
face-landmarks-detector/
├── moon.mod.json              # 项目配置文件
├── README.md                  # 项目说明文档
├── src/
│   ├── main/                  # 主程序模块
│   │   ├── main.mbt          # 程序入口点
│   │   ├── python_integration.mbt  # Python 集成层
│   │   └── moon.pkg.json     # 主模块配置
│   ├── camera/                # 摄像头模块
│   │   ├── capture.mbt       # 摄像头捕获功能
│   │   └── moon.pkg.json     # 摄像头模块配置
│   ├── face/                  # 人脸检测模块
│   │   ├── detector.mbt      # 人脸检测和关键点预测
│   │   └── moon.pkg.json     # 人脸模块配置
│   └── utils/                 # 工具模块
│       ├── types.mbt         # 基础类型定义
│       └── moon.pkg.json     # 工具模块配置
└── target/                    # 编译输出目录
```

## 技术栈

- **MoonBit**：主要编程语言，提供类型安全和函数式编程特性
- **Python 集成**：通过 MoonBit 的 Python 集成调用 OpenCV 和 dlib
- **OpenCV**：计算机视觉库，用于图像处理和摄像头操作
- **dlib**：机器学习库，用于人脸检测和关键点预测

## 依赖要求

### MoonBit 环境
- MoonBit 编译器
- Python 集成包：`Kaida-Amethyst/python`

### Python 环境
- Python 3.7+
- OpenCV (`pip install opencv-python`)
- dlib (`pip install dlib`)
- NumPy (`pip install numpy`)

### 模型文件
- `shape_predictor_81_face_landmarks.dat` - 81点人脸关键点预测模型

## 安装和使用

### 1. 安装 MoonBit
```bash
# 安装 MoonBit 编译器
curl -fsSL https://cli.moonbitlang.com/install/unix.sh | bash
```

### 2. 安装 Python 依赖
```bash
pip install opencv-python dlib numpy
```

### 3. 获取模型文件
下载 `shape_predictor_81_face_landmarks.dat` 文件并放置在项目根目录。

### 4. 编译和运行
```bash
# 进入项目目录
cd face-landmarks-detector

# 更新依赖
moon update

# 编译项目
moon build

# 运行程序
moon run main
```

## 功能说明

### 核心功能
1. **摄像头捕获**：实时从摄像头获取视频流
2. **人脸检测**：自动检测画面中的人脸区域
3. **关键点预测**：为每个检测到的人脸预测81个关键特征点
4. **可视化显示**：在关键点位置绘制绿色圆圈
5. **视频录制**：将处理后的视频保存为文件

### 操作说明
- 程序启动后会自动打开摄像头
- 检测到人脸时会在关键点位置显示绿色圆圈
- 按 'q' 键退出程序
- 处理后的视频会保存为 `output.avi` 文件

## 配置选项

可以在 `main.mbt` 中修改以下配置：

```moonbit
fn default_config() -> AppConfig {
  {
    model_path: "shape_predictor_81_face_landmarks.dat",  // 模型文件路径
    output_file: "output.avi",                           // 输出视频文件名
    width: 1280,                                         // 视频宽度
    height: 720,                                         // 视频高度
    fps: 30,                                            // 帧率
    device_id: 0,                                       // 摄像头设备ID
    show_preview: true                                  // 是否显示预览窗口
  }
}
```

## 与原 Python 版本的对比

### 优势
- **类型安全**：编译时错误检查，减少运行时错误
- **更好的错误处理**：使用 Result 类型替代异常处理
- **模块化设计**：清晰的代码组织和职责分离
- **函数式编程**：更清晰的数据流和逻辑表达
- **跨平台支持**：支持编译到 WebAssembly

### 保持的功能
- 完全兼容原有的人脸检测和关键点预测功能
- 相同的视频处理和录制能力
- 相同的用户交互体验

## 开发说明

### 模块说明
- **utils**：基础类型定义和错误处理
- **camera**：摄像头捕获和视频录制功能
- **face**：人脸检测和关键点预测功能
- **main**：主程序逻辑和 Python 集成

### 扩展开发
项目采用模块化设计，可以轻松扩展新功能：
- 添加新的图像处理算法
- 支持更多的人脸分析功能
- 集成其他计算机视觉库

## 许可证

本项目采用 MIT 许可证，详见 LICENSE 文件。

## 贡献

欢迎提交 Issue 和 Pull Request 来改进这个项目。

## 联系方式

如有问题或建议，请通过 GitHub Issues 联系。