加载必须的第三方库
读取图像
调用检测接口检测人脸关键点
引入utils.face.face_keypoints() 函数
检测图像中的人脸关键点
在图像中渲染人脸关键点
引入utils.face.draw_points() 函数
根据坐标在图像中渲染指定颜色、指定大小的关键点
face_keypoints(image)参数含义如下：
image：贴纸图像
返回值：人脸关键点列表
draw_points(image, pts, size = 2, color = (255, 0, 0))参数含义如下：
image：待渲染图像
pts：关键点坐标数组
size：绘制点的半径，默认值: 2
color：颜色值元组，默认为(255, 0, 0)-红色
返回值：绘制关键点后的图像
在 OpenCV 中，cv2.imread() 函数用于读取文件路径指定的图像。这段代码 image = cv2.imread("./img_data/yh_color.jpg")[:, :, ::-1] 执行了两个主要操作：
读取图像：
cv2.imread("./img_data/yh_color.jpg")这行代码尝试从当前目录下的img_data文件夹中读取名为yh_color.jpg的图像文件。返回的image是一个 NumPy 数组，其包含了图像的数据。通道顺序反转：
[:, :, ::-1]这部分代码是对读取的图像数组进行切片操作，目的是反转图像的颜色通道顺序。在 OpenCV 中，默认情况下，图像的通道顺序是 BGR（蓝、绿、红），而不是常见的 RGB（红、绿、蓝）。[::-1]是一个切片操作符，它从数组的末尾开始向前取值，步长为-1，意味着它将数组中的元素顺序完全反转。
详细解释一下 [:, :, ::-1]：
:表示选择所有行和所有列，即不改变行和列的顺序。[:, :, ::-1]表示选择所有行、所有列，但对颜色通道进行完全反转。
因此，当你对一个图像使用 [:, :, ::-1] 时，如果图像是 BGR 格式，它将被转换为 RGB 格式。这对于需要将图像用于某些特定库（如matplotlib，它使用 RGB）或者在显示图像时保持颜色的正确性是非常有用的。
举个例子，如果你使用 matplotlib 显示图像，你需要确保图像的通道顺序是 RGB，否则颜色会显示不正确。在这种情况下，你可以使用 matplotlib.pyplot.imshow(image[:, :, ::-1]) 来显示图像，其中 image 是通过 OpenCV 读取的图像。
