该项目能够从给定的正面照片中，自动识别脸部区域，并对图像前景进行提取分割，然后替换背景，并按照证件照的规格进行规范化处理。一共由5个模块组成：
利用Vahid Kazemi 和 Josephine Sullivan提出的基于gradient boosting的回归树算法检测面部的68个关键点位置.
论文:One Millisecond Face Alignment with an Ensemble of Regression Trees
利用opencv中的grabcut方法对人脸周围区域进行分割，将人头和衣服等前景分离出来.
论文:GrabCut” — Interactive Foreground Extraction using Iterated Graph Cuts
按照规格进行图片处理:分辨率：361×381，分辨率96dpi，位深度24，大小30k左右.
根据图片的背景颜色特征进行替换背景（蓝-红-白），如蓝背景变为红背景：将BGR图像转为HSV图像，蓝颜色H通道在78和110之间，然后转换通道将这些像素替换为(0，0，255)即可。
利用pyqt5进行界面设计.
python3
pip install opencv-python
pip install pyqt5
pip install dlib
shape_predictor_68_face_landmarks.dat.bz2下载后放入data目录中
python head.py
