人脸对齐 python代码

本文人脸对齐，基于Deep Convolutional Network Cascade for Facial Point Detection进行，将双眼、鼻尖、双嘴角（共五点）校准至同一位置，为人脸识别的预处理环节

参考：https://github.com/RiweiChen/FaceTools

           http://mmlab.ie.cuhk.edu.hk/archive/CNN_FacePoint.htm

有可能报错UnicodeEncodeError: 'ascii' codec can't encode character，可在文件头添加

import sys  

reload(sys)  

sys.setdefaultencoding('utf-8') 

注意：此种方法造成print函数无法输出

在Python安装目录下的lib\site-packages文件夹，新建sitecustomize.py，文件中的代码为：

import sys  

sys.setdefaultencoding('utf-8')   

即可解决输出问题

[python]  view plain  copy

1. import os  
2. import cv2  
3. import glob  
4. import struct  
5. import numpy as np  
6. from skimage import io  
7.   
8. ImagePath = 'xxx'       
9. PointPath = 'xxx'      
10. AlignPath = 'xxx'    
11.   
12. print 'Face Alignment - Get Image List. step(1/6)'  
13.   
14. if not os.path.exists('output'):    
15.     os.makedirs('output')  
16.   
17. lines = []     
18. def getImageList(filePath):  
19.     dirlist = os.listdir(filePath)  
20.     for dirs in dirlist:       
21.         if os.path.isdir(os.path.join(filePath,dirs)):    
22.             getImageList(os.path.join(filePath,dirs))  
23.     for filename in glob.glob(filePath+'/*.jpg'):         
24.         lines.append(filename)  
25. getImageList(ImagePath)  
26.   
27. text = str(len(lines))  
28. lines.insert(0,text)  
29.   
30. imagelist = './output/imagelist.list'     
31. file0 = open(imagelist,'w')  
32. for i in range(len(lines)):  
33.     file0.write(lines[i]+'\n')  
34. file0.close()   

step1 获取图像列表

为了匹配人脸检测的格式需求，需要在文件列表头添加文件数目

[python]  view plain  copy

1. print 'Face Alignment - Face Detection. step(2/6)'  
2.   
3. facelist = './Output/facelist.list'  
4. os.system('FacePartDetect.exe data '+imagelist+' '+facelist)  

step2 人脸检测

# 参考 Y. Sun, X. Wang, and X. Tang. Deep Convolutional Network Cascade for Facial Point Detection. In Proceedings
   of IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 2013.

# http://mmlab.ie.cuhk.edu.hk/archive/CNN_FacePoint.htm

下载后，将FacePartDetect.exe、data拷贝至当前文件夹

[python]  view plain  copy

1. print 'Face Alignment - Face Detection Refine. step(3/6)'  
2.   
3. def find_max_face(line):  
4.     word = line.split()  
5.     num_detect = len(word)/4  
6.     areas = np.empty([num_detect],dtype=np.int32)   
7.     for i in range(num_detect):  
8.         areas[i]=(int(word[4*i+2])-int(word[4*i+1]))*(int(word[4*i+4])-int(word[4*i+3]))  
9.     m = np.argmax(areas)  
10.     line_refine = word[0]+' '+word[4*m+1]+' '+word[4*m+2]+' '+word[4*m+3]+' '+word[4*m+4]+'\n'  
11.     return line_refine  
12.   
13. facelist_refine = './Output/facelist_refine.list'  
14. file1 = open(facelist,'r')  
15. file2 = open(facelist_refine,'w')  
16. for line in file1.readlines():     
17.     if line.count(" ")==4:  
18.         newline = line.replace(ImagePath,'')  
19.         file2.write(newline.split('\\')[-1])  
20.     else:  
21.         if line.count(" ")>4:   
22.             newline = find_max_face(line)  
23.             file2.write(newline.split('\\')[-1])  
24. file1.close()  
25. file2.close()  

step3 人脸检测校准

去除没检测到人脸或检测到多个人脸（取最大人脸）的情况

[python]  view plain  copy

1. print 'Face Alignment - Point Detection. step(4/6)'  
2.   
3. pointbin = './Output/pointlist.bin'  
4. os.system('TestNet.exe '+facelist_refine+' '+ImagePath+' Input '+pointbin)  

step4 特征点检测

# 参考 Y. Sun, X. Wang, and X. Tang. Deep Convolutional Network Cascade for Facial Point Detection. In  Proceedings 
   of IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 2013.

# http://mmlab.ie.cuhk.edu.hk/archive/CNN_FacePoint.htm

下载后，将TestNet.exe、Input、tbb.dll、opencv_core231.dll、opencv_highgui231.dll、opencv_imgproc231.dll拷贝至当前文件夹

[python]  view plain  copy

1. print 'Face Alignment - Get Points File. step(5/6)'  
2.   
3. pointlist = './Output/pointlist.list'  
4.   
5. file3 = open(pointbin,'rb');  
6. imageNum = struct.unpack('i',file3.read(4))[0]  
7. pointNum = struct.unpack('i',file3.read(4))[0]  
8. for i in range(imageNum):  
9.     valid = struct.unpack('b',file3.read(1))  
10. pointData = np.empty((2*pointNum * imageNum,1),dtype = np.float64)  
11. k = 0  
12. for i in range(imageNum):  
13.     for j in range(pointNum*2):  
14.         pointData[k] = struct.unpack('d',file3.read(8))  
15.         k = k+1  
16. points = np.reshape(pointData,(imageNum,2*pointNum))  
17. file3.close()  
18.   
19. file4 = open(facelist_refine,'r')  
20. file5 = open(pointlist,'w')  
21. for i in range(imageNum):  
22.     fn = file4.readline().split()[0]   
23.     file5.write(fn)  
24.     for j in range(10):  
25.         file5.write(' '+str(int(points[i][j])))  
26.     file5.write('\n')  
27.   
28.     img = io.imread(os.path.join(ImagePath,fn))  
29.     for j in range(5):  
30.         cv2.circle(img,(int(points[i][j*2+0]),int(points[i][j*2+1])),3,(255,0,0),-1)  
31.     io.imsave(os.path.join(PointPath,fn),img)  
32.