实现效果：

本程序可以将下图第二张照片进行人脸识别，发现相片是否是正向，如果不是就进行相片转正形成下图第一张图。

 代码

安装配置

模型下载

首先在我的这篇文件下载相应的人脸识别模型，一般 64标记点就够用，当然你也可以换成68位

人脸识别模型 shape_predictor_68_face_landmarks.dat 和81位下载_shape_predictor_68_face_landmarks.dat下载-CSDN博客

依赖下载

需要pip install 安装下面依赖

opencv-python

opencv-contrib-python

numpy

cmake

boost

imutils

dlib

问题解决

安装dlib这个可能遇到问题

python安装dlib报ERROR: Failed building wheel for dlib-CSDN博客

源码

# 安装cv2 安装的全名为：opencv-python同时还要按个指示包：opencv-contrib-python
import cv2 as cv
# 安装numpy,numPy 是 Python 科学计算的基础包。NumPy 包的核心是 ndarray 对象，他封装了同构数据类型的 n 维数组。
import numpy as np
# 安装dlib 需要先安装cmake包，否则可能造成报错
import dlib
# 安装imutils from和import意思是导入imutils包，但是在这个同级py文件中没有无需要的函数，我需要到对应下级py文件中的face_utils这个功能块或函数
from imutils import face_utils

class PhotoCorrect:

    # datapath:人脸数据文件位置路径,人脸识别的68个特征点检测库dat文件
    # inpath：人脸图片输入路径
    # outpath：纠正后输出路径
    def photoCorrect(datapath, inpath, outpath):

        try:
            # opencv读取图片
            image = cv.imread(inpath)
            # 读取的图片先存一张原图，用于原图旋转
            FirstImage = image
            result = 0
            for i in range(4):
                # 加载人脸数据
                detector = dlib.get_frontal_face_detector()
                predictor = dlib.shape_predictor(datapath)

                # 图片转灰（用于提高人脸识别度）
                gray = cv.cvtColor(image, cv.COLOR_BGR2GRAY)
                # 获取特征集合
                rects = detector(gray, 1)
                for (i, rect) in enumerate(rects):
                    # 如果存在shape说明人脸已经识别出来了
                    shape = predictor(gray, rect)
                    shape = face_utils.shape_to_np(shape)
                    # 然后根据result就知道需要旋转几次
                    # 然后再使用opencv旋转保存之前的备份图片即可，这样就不会更改原有的图片
                    for (x, y) in shape:
                        if result == 0:
                            cv.imwrite(outpath, FirstImage, [int(cv.IMWRITE_JPEG_QUALITY), 70])
                        elif result == 1:
                            cv.imwrite(outpath, np.rot90(FirstImage), [int(cv.IMWRITE_JPEG_QUALITY), 70])
                        elif result == 2:
                            cv.imwrite(outpath, np.rot90(np.rot90(FirstImage)), [int(cv.IMWRITE_JPEG_QUALITY), 70])
                        elif result == 3:
                            cv.imwrite(outpath, np.rot90(np.rot90(np.rot90(FirstImage))),
                                       [int(cv.IMWRITE_JPEG_QUALITY), 70])
                        return True
                # 如果不具备相应特征，旋转图片90°
                image = np.rot90(image)
                # 记录旋转次数加1
                result += 1
            # 进程结束，退出代码
            return False
        except Exception as e:
            print(e)
            return False


if __name__ == '__main__':
    PhotoCorrect.photoCorrect(r'F:\exercise\py\AI\dat\shape_predictor_68_face_landmarks.dat', r'F:\testResource\Test\photo\testPhoto1.jpg',
                      r'F:\testResource\Test\photo\right1.jpg')

调用主方法，这个有点慢 莫要着急

------------------------------------------与正文内容无关------------------------------------
如果觉的文章写对各位读者老爷们有帮助的话，麻烦点赞加关注呗！小弟在这拜谢了!
如果您觉得我的文章在某些地方写的不尽人意或者写的不对，从而让你对你人生观产生颠覆（概不负责），需要斧正，麻烦在评论区不吝赐教，作者看到后会根据您的提示查阅文章进行修改，还这世间一个公理一片蓝天