基于OpenCv+Python+Dlib实现简单人脸数据采集

最新推荐文章于 2022-09-20 23:44:38 发布
最新推荐文章于 2022-09-20 23:44:38 发布
阅读量146 收藏
点赞数
文章标签： opencv python 计算机视觉
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_46132489/article/details/121296877
版权

文章目录

一、原理

1.调用dlib库来进行人脸识别，调用预测器 “shape_predictor_68_face_landmarks.dat”进行68点标定

2.存入68个点坐标

3.利用cv2.circle来画68个点

4.利用cv2.putText()函数来画数字1-68

二、代码

1.标点

detector = dlib.get_frontal_face_detector()
predictor = dlib.shape_predictor('shape_predictor_68_face_landmarks.dat')

ok = True
# 打开摄像头 参数为输入流，可以为摄像头或视频文件
camera = cv2.VideoCapture(0)
#camera = cv2.VideoCapture('video.mp4')
while ok:
    # 读取摄像头中的图像，ok为是否读取成功的判断参数
    ok, img = camera.read()

    # 转换成灰度图像
    img_gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

    rects = detector(img_gray, 0)
    for i in range(len(rects)):
        landmarks = np.matrix([[p.x, p.y] for p in predictor(img, rects[i]).parts()])
 # 画特征点
        for idx, point in enumerate(landmarks):
            # 68点的坐标
            pos = (point[0, 0], point[0, 1])

            # 利用cv2.circle给每个特征点画一个圈，共68个
            cv2.circle(img, pos, 1, color=(0, 255, 0))

            # 利用cv2.putText输出1-68
            font = cv2.FONT_HERSHEY_SIMPLEX
            cv2.putText(img, str(idx + 1), pos, font, 0.3, (0, 0, 255), 1, cv2.LINE_AA)
    cv2.imshow('video', img)
    k = cv2.waitKey(1)
    if k == 27:  # 按下ESC退出
        break
camera.release()
cv2.destroyAllWindows()

2.画墨镜

while ok:
    # 读取摄像头中的图像，ok为是否读取成功的判断参数
    ok, img = camera.read()

    # 转换成灰度图像
    img_gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

    rects = detector(img_gray, 0)
    for i in range(len(rects)):
        landmarks = np.matrix([[p.x, p.y] for p in predictor(img, rects[i]).parts()])
        # 矩阵转为列表
        point_list=landmarks.getA()

        # 点坐标
        point_37 = (point_list[37][0],point_list[37][1])
        point_38 = (point_list[38][0], point_list[38][1])

        # 比例系数,37,38两点距离
        size = (pow(pow(point_38[1] - point_37[1], 2) + pow(point_38[0] - point_37[0], 2), 0.5))

        # 点坐标
        point_39 = (point_list[39][0], point_list[39][1])
        point_42 = (point_list[42][0], point_list[42][1])

        # 画眼镜
        cv2.circle(img, (point_list[41][0], point_list[41][1]), int(3 * size), (0, 0, 0), -1)
        cv2.circle(img, (point_list[46][0], point_list[46][1]), int(3 * size), (0, 0, 0), -1)
        # 画眼镜框
        cv2.line(img, point_39, point_42, (0, 0, 0), 4)
            cv2.imshow('video', img)
    k = cv2.waitKey(1)
    if k == 27:  # 按下ESC退出
        break
camera.release()
cv2.destroyAllWindows()

3.全部代码

# -*- coding: utf-8 -*-
"""
Created on Wed Oct 27 03:15:10 2021

@author: GT72VR
"""
import numpy as np
import cv2
import dlib
import os
import sys
import random

# dlib预测器
detector = dlib.get_frontal_face_detector()
predictor = dlib.shape_predictor('shape_predictor_68_face_landmarks.dat')

ok = True
# 打开摄像头 参数为输入流，可以为摄像头或视频文件
camera = cv2.VideoCapture(0)
#camera = cv2.VideoCapture('video.mp4')
while ok:
    # 读取摄像头中的图像，ok为是否读取成功的判断参数
    ok, img = camera.read()

    # 转换成灰度图像
    img_gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

    rects = detector(img_gray, 0)
    for i in range(len(rects)):
        landmarks = np.matrix([[p.x, p.y] for p in predictor(img, rects[i]).parts()])
        # 矩阵转为列表
        point_list=landmarks.getA()

        # 点坐标
        point_37 = (point_list[37][0],point_list[37][1])
        point_38 = (point_list[38][0], point_list[38][1])

        # 比例系数,37,38两点距离
        size = (pow(pow(point_38[1] - point_37[1], 2) + pow(point_38[0] - point_37[0], 2), 0.5))

        # 点坐标
        point_39 = (point_list[39][0], point_list[39][1])
        point_42 = (point_list[42][0], point_list[42][1])

        # 画眼镜
        cv2.circle(img, (point_list[41][0], point_list[41][1]), int(3 * size), (0, 0, 0), -1)
        cv2.circle(img, (point_list[46][0], point_list[46][1]), int(3 * size), (0, 0, 0), -1)
        # 画眼镜框
        cv2.line(img, point_39, point_42, (0, 0, 0), 4)


        # 画特征点
        for idx, point in enumerate(landmarks):
            # 68点的坐标
            pos = (point[0, 0], point[0, 1])

            # 利用cv2.circle给每个特征点画一个圈，共68个
            cv2.circle(img, pos, 1, color=(0, 255, 0))

            # 利用cv2.putText输出1-68
            font = cv2.FONT_HERSHEY_SIMPLEX
            cv2.putText(img, str(idx + 1), pos, font, 0.3, (0, 0, 255), 1, cv2.LINE_AA)
    cv2.imshow('video', img)
    k = cv2.waitKey(1)
    if k == 27:  # 按下ESC退出
        break
camera.release()
cv2.destroyAllWindows()

三、效果

1.特征点

在这里插入图片描述

2.墨镜

在这里插入图片描述

四、总结

通过dlib获取人脸特征点再通过 OpenCV 绘制达到展示效果，更加熟练地运用OpenCv+Python+Dlib进行简单的人脸数据的采集。

五、参考

https://blog.csdn.net/qq_43279579/article/details/117637044

https://blog.csdn.net/qq_47281915/article/details/121246384?spm=1001.2014.3001.5501

卖車車的小火柴
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
python之dlib使用摄像头实时检测人脸
萧海的博客
11-12 681
【代码】python之dlib使用摄像头实时检测人脸。
[C++]毕业设计基于Qt+OpenCV+Dlib的人脸识别GUI系统源码和实现过程
FL1768317420的博客
05-20 323
基于自己的opencv和dlib封装的人脸识别SDK实现的人脸识别系统追踪系统。
3.[人脸识别] python-opencv 人脸特征采集与录入
放纵kf的博客
09-20 2065
python-opencv 人脸特征采集与录入
人脸特征提取
weixin_47554309的博客
11-05 1113
人脸特征提取一、dlib库1. 简介2. 环境配置3. dlib库与OpenCV安装二、人脸信息采集三、人像墨镜绘制四、总结五、参考 一、dlib库 1. 简介 Dlib是一个包含机器学习算法的C++开源工具包。 Dlib可以帮助您创建很多复杂的机器学习方面的软件来帮助解决实际问题。 目前Dlib已经被广泛的用在行业和学术领域，包括机器人，嵌入式设备，移动电话和大型高性能计算环境。 Dlib是开源的、免费的；官网和git地址： 官网 : http://dlib.net/ github : http
68特征点
mrhao61 的博客
11-16 732
import dlib import cv2 #源程序是用sys.argv从命令行参数去获取训练模型，精简版我直接把路径写在程序中了 predictor_path = "shape_predictor_68_face_landmarks.dat" faces_path = "h2.jpg" #与人脸检测相同，使用dlib自带的frontal_face_detector作为人脸检测器 d...
课程大作业基于python+opencv+dlib库实现的人脸识别考勤打卡系统源码+项目说明.zip
最新发布
05-23
课程大作业基于python+opencv+dlib库实现的人脸识别考勤打卡系统源码+项目说明.zip个人经导师指导并认可通过的高分设计项目，评审分98分。主要针对计算机相关专业的正在做毕设的学生和需要项目实战练习的学习者，也...
Python+Dlib+Opencv实现人脸采集并表情判别功能的代码
04-07
主要介绍了Python+Dlib+Opencv实现人脸采集并表情判别,本文通过实例代码给大家介绍的非常详细，对大家的学习或工作具有一定的参考借鉴价值，需要的朋友可以参考下 Python+Dlib+Opencv实实现现人人脸脸采采集集并并...
Python+OpenCV实现的人脸识别签到考勤系统.zip
05-08
在本项目中，我们利用Python和OpenCV库创建了一个高效且实用的人脸识别签到考勤系统。这个系统的核心在于其能够自动识别人员脸部，并以此完成签到与签退的操作，同时还能处理考勤时间的计算及数据存储。以下是关于这...
人脸检测python
linnaoyu7359的博客
05-01 329
利用Python写的人脸位置检测，本文是我看到一个叫“我相信”的人写的7行代码做人脸识别，感到可以试一试，所以仿造了一下。原文地址：https://blog.csdn.net/wireless_com/article/details/64120516我用的是Python27。OpenCV340.#导入OpenCV库import cv2# 加载OpenCV自带的分类器face_patterns = ...
Python+OpenCV+dlib实现人脸识别
weixin_53594010的博客
11-12 3307
Python+OpenCV+dlib实现人脸识别 IDE：Jupyter Notebook（Anaconda3） Python版本：Python 3.8 本机环境：Windows 10 原理概览 调用dlib库来进行人脸识别，调用预测器 “shape_predictor_68_face_landmarks.dat”进行68点标定人脸，并用opencv的库函数来进行简单的图像处理 一、Windows系统安装OpenCV和dlib库 1.打开Anaconda Prompt命令框，输入python -V得到当
python 调用摄像头框选人脸
zz891422822的博客
06-15 677
调用摄像头框选人脸 代码展示： import cv2 as cv import time # 0的意思是机器默认摄像头 cap = cv.VideoCapture(0) #有的摄像头启动需要时间，这里延时100ms time.sleep(0.1) i = 1 while cap.isOpened(): i = i+1 print(i) # 用来查看走过了多少张照片 ret, img = cap.read() # cv.imwrite('image1.jpg', img)
利用dlib+opencv进行人脸裁剪
CVAIDL的博客
12-18 1152
利用dlib+opencv进行人脸裁剪   版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/ZWX2445205419/article/details/75379279 # -*- coding: utf-8 -*- import cv2 import os import dlib import numpy as np # 需要自己去网上...
OpenCV人脸识别（2）采集数据
黎国溥
09-14 3523
采集数据简介 从电脑中的摄像头，或使用USB摄像头接到电脑中（注意摄像头是否需要驱动）采集我们脸部的图片数据； 准备 1）工作环境：PyCharm +Anaconda 2) 安装库： argparse、imutils、time、cv2 3）一个摄像头 4)在新建的pyCharm项目加入如下文件夹，和文件 百度网盘链接：https://pan.baidu.com/s/1...
使用OpenCV完成人脸数据收集
weixin_44297729的博客
11-29 633
使用OpenCV完成人脸数据收集下载Haar级联分类器收集数据代码 下载Haar级联分类器 在使用OpenCV进行人脸检测以及完成人脸数据收集前，需要先下载训练好的xml文件，可以在OpenCV项目的Github中下载 https://github.com/opencv/opencv/tree/master/data/haarcascades 也可以在我的百度云上下载： 链接:https://pa...
Facial landmarks: 使用 dlib, OpenCV, and Python提取面部标志点
dadada 白的博客
06-19 3483
Facial landmarks with dlib, OpenCV, and Python 目录 Facial landmarks with dlib, OpenCV, and Python 1.什么是 面部标志 ？（What are facial landmarks?） dlib的面部标志探测器 ： 下面我们 dlib和OpenCV来检测图像中的面部标志（Facial landmarks）: 面部标志用来定位和便是人脸的显著区域，例如： 眼睛 眉毛 鼻子 口 下颌的轮廓 面部标注点
使用OpenCV+Dlib操作人脸
深度学习与计算机视觉
01-12 1239
这是一个关于如何使用OpenCV和DLIB在图像上应用虚拟唇膏的快速教程。同样的原理也可以推广到其他面部特征，比如某人的眼睛、鼻子、下巴……。为了获得上图所示的结果，我们需要执行以下一系列...
基于dlib+opencv3.4+python3.7的人脸特征提取
weixin_46129506的博客
11-03 2270
目录一、安装dlib以及OpenCV1.安装dlib2.安装openCV二、Python实现摄像头人脸识别三、给人脸虚拟P上一付墨镜参考资料 一、安装dlib以及OpenCV 1.安装dlib 下载dlib包（选择与自己的环境相对应的版本）并解压：http://dlib.net/ python3.7对应版本： 链接：https://pan.baidu.com/s/1SECW85LFfesv-SSDnm_bPA 提取码：1713 进入你下载的位置，把文件路径加入系统环境变量path里 在Anaconda P
SVM深入理解&人脸特征提取
weixin_54089068的博客
11-09 291
文章目录一、相关概念及安装1.dlib库2.openCV库二、人脸特征点识别参考链接 一、相关概念及安装 1.dlib库 概念 Dlib是一个包含机器学习算法的C++开源工具包。Dlib可以帮助您创建很多复杂的机器学习方面的软件来帮助解决实际问题。目前Dlib已经被广泛的用在行业和学术领域，包括机器人，嵌入式设备，移动电话和大型高性能计算环境。 安装 ①使用命令查看当前python版本 ②根据对应版本选择dlib的版本 pip install dlib-19.22.99-cp39-cp39-win_am
基于python+openCV+dlib+mysql的人脸识别门禁系统的设计与实现
05-22
人脸识别门禁系统是一种基于人脸识别技术的智能门禁系统，其可通过对人脸进行采集、识别和比对，实现对门禁的控制和管理。本文将详细阐述基于python+openCV+dlib+mysql的人脸识别门禁系统的设计与实现。 一、技术选型 本系统主要采用以下技术： 1. Python：作为主要编程语言，用于实现整个系统的逻辑控制和算法设计。 2. OpenCV：作为图像处理库，用于实现人脸检测、特征提取和人脸识别等核心功能。 3. Dlib：作为人脸识别库，用于实现人脸特征点检测和人脸识别等功能。 4. MySQL：作为数据库系统，用于存储人脸特征和相关信息。 二、系统设计 本系统主要包括以下功能模块： 1. 人脸采集模块：用于采集用户的人脸图像，并将其存储到本地或远程数据库中。 2. 人脸检测模块：用于检测人脸区域，提取人脸特征，并将其存储到数据库中。 3. 人脸识别模块：用于识别用户的人脸特征，并与数据库中的人脸特征进行比对，以确定用户身份。 4. 门禁控制模块：根据用户身份结果，控制门禁的开关。 5. 数据库管理模块：用于管理数据库中的人脸特征和相关信息。 三、系统实现 1. 人脸采集模块 人脸采集模块主要是通过摄像头对用户的人脸进行拍摄和保存。代码如下： ```python import cv2 cap = cv2.VideoCapture(0) while True: ret, frame = cap.read() cv2.imshow("capture", frame) if cv2.waitKey(1) & 0xFF == ord('q'): #按q键退出 cv2.imwrite("face.jpg", frame) #保存人脸图像 break cap.release() cv2.destroyAllWindows() ``` 2. 人脸检测模块 人脸检测模块主要是通过OpenCV中的CascadeClassifier类进行人脸检测，再通过Dlib中的shape_predictor类进行人脸特征点检测和特征提取。代码如下： ```python import cv2 import dlib detector = dlib.get_frontal_face_detector() #人脸检测器 predictor = dlib.shape_predictor("shape_predictor_68_face_landmarks.dat") #特征点检测器 img = cv2.imread("face.jpg") #读取人脸图像 gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) #转换为灰度图像 faces = detector(gray, 0) #检测人脸 for face in faces: landmarks = predictor(gray, face) #检测特征点 for n in range(68): x = landmarks.part(n).x y = landmarks.part(n).y cv2.circle(img, (x, y), 2, (0, 255, 0), -1) #绘制特征点 cv2.imshow("face", img) cv2.waitKey(0) cv2.destroyAllWindows() ``` 3. 人脸识别模块 人脸识别模块主要是通过Dlib中的face_recognition类进行人脸特征提取和比对。代码如下： ```python import face_recognition known_image = face_recognition.load_image_file("known_face.jpg") #读取已知的人脸图像 unknown_image = face_recognition.load_image_file("unknown_face.jpg") #读取待识别的人脸图像 known_encoding = face_recognition.face_encodings(known_image)[0] #提取已知人脸的特征 unknown_encoding = face_recognition.face_encodings(unknown_image)[0] #提取待识别人脸的特征 results = face_recognition.compare_faces([known_encoding], unknown_encoding) #比对人脸特征 if results[0]: print("Match") else: print("No match") ``` 4. 门禁控制模块 门禁控制模块主要是通过GPIO控制门禁的开关。代码如下： ```python import RPi.GPIO as GPIO import time GPIO.setmode(GPIO.BOARD) GPIO.setup(11, GPIO.OUT) GPIO.output(11, GPIO.HIGH) #开门 time.sleep(5) #等待5秒 GPIO.output(11, GPIO.LOW) #关门 GPIO.cleanup() #清理GPIO资源 ``` 5. 数据库管理模块 数据库管理模块主要是通过MySQLdb模块实现对MySQL数据库的连接和操作，包括新建数据库、新建表、插入数据、查询数据等。代码如下： ```python import MySQLdb #连接数据库 conn = MySQLdb.connect(host="localhost", user="root", passwd="123456", db="test", charset="utf8") #新建表 cursor = conn.cursor() sql = "CREATE TABLE `face` (`id` int(11) NOT NULL AUTO_INCREMENT, `name` varchar(50) NOT NULL, `encoding` text NOT NULL, PRIMARY KEY (`id`)) ENGINE=InnoDB DEFAULT CHARSET=utf8;" cursor.execute(sql) #插入数据 name = "张三" encoding = "0.1,0.2,0.3,0.4" sql = "INSERT INTO `face` (`name`, `encoding`) VALUES (%s, %s)" cursor.execute(sql, (name, encoding)) conn.commit() #查询数据 sql = "SELECT * FROM `face` WHERE `name`=%s" cursor.execute(sql, (name,)) result = cursor.fetchone() print(result) cursor.close() conn.close() ``` 四、总结 本文主要介绍了基于python+openCV+dlib+mysql的人脸识别门禁系统的设计与实现。该系统主要采用了Python作为主要编程语言，OpenCV、Dlib作为图像处理和人脸识别库，MySQL作为数据库系统。通过对这些技术的应用，实现了人脸采集、检测、识别和门禁控制等核心功能。该系统可以应用于各类场景的门禁控制和身份验证，具有较高的实用价值。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值