寫在前面的話
基于dlib庫的模型，實作人臉識別和焦點人物的檢測，最后呈現的效果為焦點人物的識別框顏色與其他人物框不一樣，

準備作業

需要安裝好python環境，安裝好dlib、opencv-python庫等，具體可以看報錯資訊（可以使用PyCharm來運行和編輯py檔案），然后把需要的庫補全，文章最后會有完整代碼，但是需要與shape_predictor_68_face_landmarks.dat模型檔案同處一個路徑下，然后啟用，(百度可以下載到)

設計程序

1. 因為是在自己電腦完成的必做題設計，所以前期還經歷了相應的Python安裝與環境配置，相應的資源庫安裝，例如dlib、opencv-python等等，
2. 然后運行綜合了（68個人臉特征點檢測模型完成靜止影像的人臉檢測與標注）和（完成實時攝制視頻的人臉檢測與定位）的參考檔案opencv_webcam_face_detection.py，發現可以實作實時視頻的人臉檢測，
3. 對參考檔案的代碼進行分析，理解每一句代碼的意思，對比查找設計需要的功能模塊，實作1280x720視頻輸出，實作類win10相機的焦點人物識別，
4. 上網查找并學習相應資料，參考win10相機的演算法，創建自己的基于距離與面積的焦點人物演算法，根據自己的需要對源代碼進行添加及修改，
5. 最后對代碼進行測驗，且不斷修改成最適合的版本，

Python程式

流程圖

焦點人物演算法

內在邏輯：模仿win10相機，當有多于1個人時，優先選擇最居中的為焦點人物，但若在其他地方的人臉面積大于4倍中心的人臉面積，則選擇其他地方的作為焦點人物，

實際代碼

import dlib
import cv2
import math

# 攝像頭引數設定
cam = cv2.VideoCapture(0)  # 引數0，呼叫計算機的攝像頭
cam.set(3, 1280)  # 引數3，設定寬度分辨為1280
cam.set(4, 720)  # 引數4，設定高度分辨為720

# 設定人臉框的邊框顏色及寬度，便于分辨焦點人物
color_focus = (255, 0, 255)  # 設定焦點人臉框的顏色，紫紅色
color_other = (255, 255, 255)  # 設定其余人臉框的顏色，白色
lineWidth_focus = 2  # 設定焦點人臉框的寬度
lineWidth_other = 1  # 設定其他人臉框的寬度

# 設定計算的一些引數
w = cam.get(3) / 2  # 設定螢屏中心的橫坐標X
h = cam.get(4) / 2  # 設定螢屏中心的縱坐標Y
d_center = 10000  # 預設人臉框到螢屏中心的距離
index_center = 0  # 預設距離優先時的人臉框序號
index_area = 0  # 預設面積優先時的人臉框序號
area_center = -1  # 預設距離中心最近人臉框的面積
area = -1  # # 預設人臉框面積最大時的面積

detector = dlib.get_frontal_face_detector()  # 加載這個庫自帶的人臉檢測器
predictor_path = "shape_predictor_68_face_landmarks.dat"  # 設定人臉預測模型的路徑位置
predictor = dlib.shape_predictor(predictor_path)  # 人臉預測實體化
while True:  # 當獲取到視頻輸入時
    ret_val, img = cam.read()  # 讀取視頻每一幀，顏色格式為BGR格式，
    rgb_image = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)  # 顏色BGR格式轉為RGB格式
    faces = detector(rgb_image)  # 回傳RGB格式人臉捕捉框

    # 邏輯演算法：當有多于1個人時，優先選擇最居中的為焦點人物，但若其他地方的人臉面積大于4倍中心的人臉面積，則選擇該為焦點人物，
    # 這個for回圈先求出距離螢屏中心最近時的人臉框的序號和距離優先面積
    for i, det in enumerate(faces):  # 遍歷所有人臉框，i是人臉框序號，det是每個人臉框
        d = math.sqrt((w-(det.left()+(det.right()-det.left())/2))**2+(h-(det.top()+(det.bottom()-det.top())/2))**2)
        # 計算該人臉框到螢屏中心的距離
        if d < d_center:  # 對比剛計算出的距離與設定的最近距離，達成選擇更小
            index_center = i  # 更新距離最近時的人臉框序號
            d_center = d  # 更新最近距離
            area_center = abs((det.right() - det.left()) * (det.bottom() - det.top()))  # 算出該人臉框的面積（距離更近優先）

    # 這個for回圈求出面積最大的人臉框的序號和面積優先面積
    for i, det in enumerate(faces):  # 遍歷所有人臉框，i是人臉框序號，det是每個人臉框
        if abs((det.right() - det.left()) * (det.bottom() - det.top())) > area:  # 對比該人臉面積與設定的最大面積，實作選擇更大
            index_area = i  # 更新面積更大時的人臉框序號
            area = abs((det.right() - det.left()) * (det.bottom() - det.top()))  # 算出該人臉框的面積（面積更大優先）

    if area > 5*area_center:  # 判斷依據，若面積優先面積大于距離優先面積的5倍，就實作面積優先選擇焦點人物，否則就距離優先，
        index_center = index_area   # 面積優先時，使用面積最大的人臉框序號
    for i, det in enumerate(faces):  # 遍歷所有人臉框
        if i == index_center:  # 確定焦點人臉框的序號
            print(d_center, i)  # 輸出焦點人物的距離中心位置，方便除錯
            cv2.rectangle(img, (det.left(), det.top()), (det.right(), det.bottom()), color_focus, lineWidth_focus)
            # 繪出焦點人臉框
            shape = predictor(img, det)  # 從預測模型處，得到68個人物特征點
            for p in shape.parts():  # 遍歷68個人物特征點
                cv2.circle(img, (p.x, p.y), 2, (124, 252, 0), -1)  # 設定焦點人物的68個點的形狀顏色，茶綠色、實心
        else:
            cv2.rectangle(img, (det.left(), det.top()), (det.right(), det.bottom()), color_other, lineWidth_other)
            # 繪出其他人臉框
            shape = predictor(img, det)  # 從預測模型處，得到68個人物特征點
            for p in shape.parts():  # 遍歷68個人物特征點
                cv2.circle(img, (p.x, p.y), 2, (255, 255, 255), -1)  # 設定其他人物的68個點的形狀顏色，白色、實心
    cv2.imshow('my webcam', img)  # 輸出繪好框后的幀影片
    if cv2.waitKey(1) == 27:  # 設定一個滯留時間，等待用戶觸發事件，若用戶按下 ESC(ASCII碼為27)，則執行 if 體
        break  # （if主體）退出

cv2.destroyAllWindows()  # 銷毀所有輸出影像窗

運行情況

為了容易分辨焦點人物與其他人物，首先將焦點人物框的寬度設為2，顏色設為紫紅色，68個識別點設為茶綠色；其他人物框的寬度設為1，顏色設為白色，68個識別點設為白色，
然后進行多次測驗，通過整理測驗結果，發現演算法沒有錯誤，焦點人物按照距離和面積兩個因素來決定，成功運行圖如下：
不展示圖了，但是主人物為紫紅框，其他人物為白色圈，與預期一致，

如果能給你提供一點幫助，希望你能點個贊，謝謝，