百度AIStudio之PaddleHub创意赛：你的名字，你的Face

最新推荐文章于 2022-04-08 16:03:34 发布

置顶

luoshutu

最新推荐文章于 2022-04-08 16:03:34 发布

阅读量2.2k

点赞数 11

文章标签： python 人脸识别深度学习 paddlepaddle

本文链接：https://blog.csdn.net/qq_36272326/article/details/105759396

版权

本项目利用PaddleHub的人脸关键点检测模型face_landmark_localization，检测人脸并拼接成《你的名字》风格图片。在百度AIStudio上实现，通过计算RGB颜色均值进行人脸拼接。项目源码可在GitHub找到。

摘要由CSDN通过智能技术生成

百度AIStudio之PaddleHub创意赛：你的名字，你的Face

使用《你的名字》动漫中的图片拼出你的人脸。本项目为 PaddleHub：人脸检测主题创意赛。实现自动检测人脸，然后实现人脸拼接。

本次主要使用 PaddleHub 开源的人脸关键点检测模型 face_landmark_localization进行人体关键点识别。

关键点识别参考案例：PaddleHub实战——人像美颜。

之后再以 RGB 颜色均值为标准进行人脸拼图。

NOTE：本项目在百度AIStudio实现，如果需要在本地运行该项目示例，首先要安装PaddleHub。

其中 face_landmark_localization 使用1.0.2版。
paddlepaddle 环境为1.6.2。
paddlehub 版本为1.6.1。

本项目github链接：luoshutu/YourNameYourFace

百度AIStudio链接：你的名字，你的face

2020-4-28更新 ：基于 @意疏的意见，添加了一些关键性注释，和参数的优化。
其中最大改动为删除了 single_image_area参数以及相关代码。
注：博客和GitHub中的代码在环境配置正确的情况下，只需添加自己的图片链接，就可以在本地直接运行成功。

一、加载图片，检测关键点

使用PaddleHub 开源的人脸关键点检测模型 face_landmark_localization ，检测人脸关键点，并将关键点以红色点状的方式画在原图上，保存并显示。

import cv2
import paddlehub as hub
import matplotlib.pyplot as plt 
import matplotlib.image as mpimg
import numpy as np
import math

src_img = cv2.imread('single_face.jpg')

module = hub.Module(name="face_landmark_localization")
detection_result = module.keypoint_detection(images=[src_img])

tmp_img = src_img.copy()
for index, point in enumerate(detection_result[0]['data'][0]):
    # cv2.putText(img, str(index), (int(point[0]), int(point[1])), cv2.FONT_HERSHEY_COMPLEX, 3, (0,0,255), -1)
    cv2.circle(tmp_img, (int(point[0]), int(point[1])), 2, (0, 0, 255), -1)

res_img_path = 'face_landmark.jpg'
cv2.imwrite(res_img_path, tmp_img)

img = mpimg.imread(res_img_path) 
# 展示预测68个关键点结果

plt.figure(figsize