超詳細(xì)注釋之OpenCV dlib實(shí)現(xiàn)人臉采集
上一篇博客中，我們了解了什么是面部標(biāo)志，以及如何使用dlib，OpenCV和Python檢測(cè)它們。利用dlib的HOG SVM的形狀預(yù)測(cè)器獲得面部ROI中面部區(qū)域的68個(gè)點(diǎn)（x，y）坐標(biāo)。
這一篇博客中，將演示如何使用NumPy數(shù)組切片魔術(shù)來(lái)分別訪問(wèn)每個(gè)面部部分并提取眼睛，眉毛，鼻子，嘴巴和下巴的特征。
1. 效果圖
先上一張檢測(cè)完的圖：
也可以每一部分先標(biāo)識(shí)出來(lái)：
2. 原理
面部標(biāo)志主要是： 口 右眉 左眉 右眼 左眼 鼻子 下顎線
這一節(jié)即提取這些部分；
從圖中可以看到假設(shè)是以0為下標(biāo)的數(shù)組：
嘴唇可以認(rèn)為是： points [48, 68]. 內(nèi)嘴唇：[60,68]
右眉毛 points [17, 22].
左眉毛 points [22, 27].
右眼 [36, 42].
左眼 [42, 48].
鼻子 [27, 35].
下頜 [0, 17].
已經(jīng)知道下標(biāo)，數(shù)組切片，并用不同的顏色來(lái)標(biāo)識(shí)各個(gè)部位，imutils包，可以幫助我們更優(yōu)雅的寫(xiě)代碼的包；已經(jīng)有封裝好方法face_utils 。
嘴唇等是閉合區(qū)域，用閉合的凸包表示，下頜用線勾勒；
面部標(biāo)志檢測(cè)返回結(jié)果是：68個(gè)（x，y）坐標(biāo)：
（1）先轉(zhuǎn)為適合OpenCV處理的 Numpy array，
（2）數(shù)組切片，用不同的顏色標(biāo)識(shí)不同的面部結(jié)構(gòu)部分；
3. 源碼
# 安裝了dlib
# imutils 是最新的版本
# python detect_face_parts.py --shape-predictor shape_predictor_68_face_landmarks.dat --image images/girl.jpg
from imutils import face_utils
import numpy as np
import argparse
import imutils
import dlib
import cv2
import shutil
import os
# 構(gòu)建命令行參數(shù)
# --shape-predictor 必須 形狀檢測(cè)器位置
# --image 必須 待檢測(cè)的圖片
ap = argparse.ArgumentParser()
ap.add_argument("-p", "--shape-predictor", required=True,
help="path to facial landmark predictor")
ap.add_argument("-i", "--image", required=True,
help="path to input image")
args = vars(ap.parse_args())
temp_dir = "temp"
shutil.rmtree(temp_dir, ignore_errors=True)
os.makedirs(temp_dir)
# 初始化dlib中基于HOG的面部檢測(cè)器,及形狀預(yù)測(cè)器
detector = dlib.get_frontal_face_detector()
predictor = dlib.shape_predictor(args["shape_predictor"])
# 加載待檢測(cè)的圖片,resize,并且裝換為灰度圖
image = cv2.imread(args["image"])
image = imutils.resize(image, width=500)
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
# 在灰度圖中檢測(cè)面部
rects = detector(gray, 1)
# 循環(huán)檢測(cè)到的面部
num = 0
for (i, rect) in enumerate(rects):
# 確定面部區(qū)域進(jìn)行面部標(biāo)志檢測(cè),并將其檢測(cè)到的68個(gè)點(diǎn)轉(zhuǎn)換為方便python處理的Numpy array
shape = predictor(gray, rect)
shape = face_utils.shape_to_np(shape)
# 循環(huán)遍歷面部標(biāo)志獨(dú)立的每一部分
for (name, (i, j)) in face_utils.FACIAL_LANDMARKS_IDXS.items():
# 復(fù)制一張?jiān)紙D的拷貝,以便于繪制面部區(qū)域,及其名稱
clone = image.copy()
cv2.putText(clone, name, (10, 30), cv2.FONT_HERSHEY_SIMPLEX,
0.7, (0, 0, 255), 2)
# 遍歷獨(dú)立的面部標(biāo)志的每一部分包含的點(diǎn),并畫(huà)在圖中
for (x, y) in shape[i:j]:
cv2.circle(clone, (x, y), 1, (0, 0, 255), -1)
# 要實(shí)際提取每個(gè)面部區(qū)域，我們只需要計(jì)算與特定區(qū)域關(guān)聯(lián)的（x，y）坐標(biāo)的邊界框，并使用NumPy數(shù)組切片來(lái)提取它：
(x, y, w, h) = cv2.boundingRect(np.array([shape[i:j]]))
roi = image[y:y + h, x:x + w]
# resize ROI區(qū)域?yàn)?寬度250,以便于更好的可視化
roi = imutils.resize(roi, width=250, inter=cv2.INTER_CUBIC)
# 展示獨(dú)立的面部標(biāo)志
cv2.imshow("ROI", roi)
cv2.imshow("Image", clone)
cv2.waitKey(0)
num = num + 1
p = os.path.sep.join([temp_dir, "{}.jpg".format(
str(num).zfill(8))])
print('p: ', p)
cv2.imwrite(p, output)
# 應(yīng)用visualize_facial_landmarks 功能為每個(gè)面部部位創(chuàng)建透明的覆蓋層。(transparent overlay)
output = face_utils.visualize_facial_landmarks(image, shape)
cv2.imshow("Image", output)
cv2.waitKey(0)
參考
https://www.pyimagesearch.com/2017/04/10/detect-eyes-nose-lips-jaw-dlib-opencv-python/
到此這篇關(guān)于超詳細(xì)注釋之OpenCV dlib實(shí)現(xiàn)人臉采集的文章就介紹到這了,更多相關(guān)OpenCV 人臉采集內(nèi)容請(qǐng)搜索本站以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持本站！
版權(quán)聲明：本站文章來(lái)源標(biāo)注為YINGSOO的內(nèi)容版權(quán)均為本站所有，歡迎引用、轉(zhuǎn)載，請(qǐng)保持原文完整并注明來(lái)源及原文鏈接。禁止復(fù)制或仿造本網(wǎng)站，禁止在非www.sddonglingsh.com所屬的服務(wù)器上建立鏡像，否則將依法追究法律責(zé)任。本站部分內(nèi)容來(lái)源于網(wǎng)友推薦、互聯(lián)網(wǎng)收集整理而來(lái)，僅供學(xué)習(xí)參考，不代表本站立場(chǎng)，如有內(nèi)容涉嫌侵權(quán)，請(qǐng)聯(lián)系alex-e#qq.com處理。
關(guān)注官方微信