从零到壹系列之Opencv+dlib实现人脸检测与关键点定位

最新推荐文章于 2024-07-26 10:26:18 发布

小白学视觉

最新推荐文章于 2024-07-26 10:26:18 发布

阅读量953

点赞数

文章标签：人脸识别定位 opencv 计算机视觉人工智能

原文链接：https://zhuanlan.zhihu.com/p/61906876

版权

点击上方“小白学视觉”，选择加"星标"或“置顶”

重磅干货，第一时间送达

今天我们聊一聊人脸检测和关键点定位问题。很多朋友可能会对这一块感兴趣，于是纷纷跑去研究SSD、YOLO、Faster RCNN等方法，最后花费了很久的时间，才搞出一个模型。又是数据，又是算法，搞得头大。

实际上，如果你是想搞算法，这样做是很值得推崇的。如果只是想做一些实验性的demo，感受一下人脸相关的一些业务，或者只是需要人脸检测这个步骤，但是对准确性要求没那么搞。那这里，我们推荐dlib库，直接进行人脸检测和关键点定位。

具体操作步骤如下

1. 安装dlib

pip install dlib

2. 下载训练模型

训练模型用于是人脸识别的关键，用于查找图片的关键点。

下载地址：http://dlib.net/files/

下载文件：shape_predictor_68_face_landmarks.dat.bz2

下载好模型和库之后，接下来就是编程部分。

人脸检测代码部分

# -*- coding: utf-8 -*-
import sys
import dlib
import cv2


detector = dlib.get_frontal_face_detector() #获取人脸分类器


# 传入的命令行参数
for f in sys.argv[1:]:
    # opencv 读取图片，并显示
    img = cv2.imread(f, cv2.IMREAD_COLOR)
    # image is a numpy ndarray containing either an 8bit grayscale or RGB image.
    # opencv读入的图片默认是bgr格式，我们需要将其转换为rgb格式；都是numpy的ndarray类。
    b, g, r = cv2.split(img)    # 分离三个颜色通道
    img2 = cv2.merge([r, g, b])   # 融合三个颜色通道生成新图片


    dets = detector(img, 1) #使用detector进行人脸检测 dets为返回的结果
    print("Number of faces detected: {}".format(len(dets)))  # 打印识别到的人脸个数
    # enumerate是一个Python的内置方法，用于遍历索引
    # index是序号；face是dets中取出的dlib.rectangle类的对象，包含了人脸的区域等信息
    # left()、top()、right()、bottom()都是dlib.rectangle类的方法，对应矩形四条边的位置
    for index, face in enumerate(dets):
        print('face {}; left {}; top {}; right {}; bottom {}'.format(index, face.left(), face.top(), face.right(), face.bottom()))


        # 在图片中标注人脸，并显示
        left = face.left()
        top = face.top()
        right = face.right()
        bottom = face.bottom()
        cv2.rectangle(img, (left, top), (right, bottom), (0, 255, 0), 3)
        cv2.namedWindow(f, cv2.WINDOW_AUTOSIZE)
        cv2.imshow(f, img)

# 等待按键，随后退出，销毁窗口
k = cv2.waitKey(0)
cv2.destroyAllWindows()

---------------------
作者：hongbin_xu
来源：CSDN
原文：https://blog.csdn.net/hongbin_xu/article/details/78347484

人脸检测效果

人脸关键点定位代码

#coding=utf-8
 
import cv2
import dlib
 
path = "img/meinv.png"
img = cv2.imread(path)
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
 
#人脸分类器
detector = dlib.get_frontal_face_detector()
# 获取人脸检测器
predictor = dlib.shape_predictor(
    "C:\\Python36\\Lib\\site-packages\\dlib-data\\shape_predictor_68_face_landmarks.dat"
)
 
dets = detector(gray, 1)
for face in dets:
    shape = predictor(img, face)  # 寻找人脸的68个标定点
    # 遍历所有点，打印出其坐标，并圈出来
    for pt in shape.parts():
        pt_pos = (pt.x, pt.y)
        cv2.circle(img, pt_pos, 2, (0, 255, 0), 1)
    cv2.imshow("image", img) 
cv2.waitKey(0)
cv2.destroyAllWindows()

代码转自：https://yq.aliyun.com/articles/629871

人脸关键点效果

1. 卷积神经网源码清单如下：

https://github.com/baihuaml/dl_code/blob/master/CNN_source_code.md

2. dlib人脸检测与关键点定位：

https://github.com/baihuaml/dl_code/blob/master/dlib_facedetection.py

https://github.com/baihuaml/dl_code/blob/master/dlib_facelandmark.py

下载1：OpenCV-Contrib扩展模块中文版教程

在「小白学视觉」公众号后台回复：扩展模块中文教程，即可下载全网第一份OpenCV扩展模块教程中文版，涵盖扩展模块安装、SFM算法、立体视觉、目标跟踪、生物视觉、超分辨率处理等二十多章内容。

下载2：Python视觉实战项目52讲

在「小白学视觉」公众号后台回复：Python视觉实战项目，即可下载包括图像分割、口罩检测、车道线检测、车辆计数、添加眼线、车牌识别、字符识别、情绪检测、文本内容提取、面部识别等31个视觉实战项目，助力快速学校计算机视觉。

下载3：OpenCV实战项目20讲

在「小白学视觉」公众号后台回复：OpenCV实战项目20讲，即可下载含有20个基于OpenCV实现20个实战项目，实现OpenCV学习进阶。

交流群

欢迎加入公众号读者群一起和同行交流，目前有SLAM、三维视觉、传感器、自动驾驶、计算摄影、检测、分割、识别、医学影像、GAN、算法竞赛等微信群（以后会逐渐细分），请扫描下面微信号加群，备注：”昵称+学校/公司+研究方向“，例如：”张三 + 上海交大 + 视觉SLAM“。请按照格式备注，否则不予通过。添加成功后会根据研究方向邀请进入相关微信群。请勿在群内发送广告，否则会请出群，谢谢理解~