单目可见光视频三维深度估计(python实现)

目录

技术要点:

主要应用:

准备工作:

构建环境:

激活环境:

需要安装库:

权重文件下载:

开始预测:

1.采集图片

2.修改标签文件

3.训练模型

4.启动主程序

全部代码:


说明:本篇文章主要借鉴于抖音恩培大佬的代码,大佬的github地址为:enpeizhao (enpei) (github.com)

感兴趣的朋友也可以关注大佬的抖音号!

技术要点:

  • 脸部姿态估计识别与检测

  • 帧率检测

  • 目标物体三个角度x、y、z估计

主要应用:

  • 家庭应用:检测孩子是否在看电视,看了多久,距离多远,保护孩子用眼安全

  • 驾驶监督应用:检测司机是否有疲劳驾驶风险(可以从脸部姿态做进一步估计)

  • 自动驾驶:利用单目RGB图像进行深度距离估计,避免了使用激光雷达等高成本的距离估计

  • 人脸识别:轻量化的人脸识别应用,后期可以将此功能引用于嵌入式设备,实现轻量化应用

画面展示:

image-20220109193011059

准备工作:

硬件准备:

win10系统, RGB摄像头

软件准备:

python3.7, Pycham(vs code或其他编译器)

构建环境:

conda create -n tv python=3.7

tv表示要创建环境的名字,我这里用“tv”来代替环境名字

激活环境:

conda activate tv

需要安装库:

conda install dlib
pip install opencv-contrib-python

权重文件下载:

https://github.com/enpeizhao/CVprojects/releases/tag/Models

(恩培大佬github下载地址)

开始预测:

全部指令代码参数配置如下:

python demo.py --命令=参数
  -h, --help            显示帮助
  --mode MODE           运行模式:collect,train,distance,run对应:采集、训练、评估距离、主程序
  --label_id LABEL_ID   采集照片标签id.
  --img_count IMG_COUNT
                        采集照片数量
  --img_interval IMG_INTERVAL
                        采集照片间隔时间
  --display DISPLAY     显示模式,取值1-5
  --w W                 画面宽度
  --h H                 画面高度

这个小项目里边使用的是较为简单的opencv内置人脸识别算法,缺点就是精度可能有限,整体过程需要执行下面三个步骤:

1.采集图片

python demo.py --mode='collect' --label_id=1 --img_count=2 --img_interval=2

python demo.py --mode='collect' --label_id={人脸ID} --img_count={该ID采集照片数量,一般1-3张即可} --img_interval={照片采集间隔(秒)};

2.修改标签文件

在目录./face_mode/label.txt下的label文件,里边的每行代表一个人,如1,**表示label_id=1的人脸叫**;

3.训练模型

执行python demo.py --mode='train'训练人脸识别模型,模型是对应的./face_model/model.yml权值文件!

4.启动主程序

python demo.py --mode='run' --w={宽度} --{高度} --display={显示模式}display取值对应:

  • 1:人脸框(人脸检测,识别label中有的人脸)

  • 2:68个人脸关键点(关键点检测)

  • 3:人脸梯形框框(三维深度估计)

  • 4:人脸方向指针(主要就是利用角度的识别)

  • 5:人脸三维坐标系(三维坐标系)

全部代码:

"""
借鉴恩培大佬源码!
主要功能:检测孩子是否在看电视,看了多久,距离多远
使用技术点:人脸检测、人脸识别(采集照片、训练、识别)、姿态估计
"""
import cv2,  time
from pose_estimator import PoseEstimator
import numpy as np
import dlib
from utils import Utils
import os
from argparse import ArgumentParser
​
​
class MonitorBabay:
    def __init__(self):
        # 人脸检测
        self.face_detector = dlib.get_frontal_face_detector()
        # 人脸识别模型:pip uninstall opencv-python,pip install opencv-contrib-python
        self.face_model = cv2.face.LBPHFaceRecognizer_create()
​
        # 人脸68个关键点
        self.landmark_predictor = dlib.shape_predictor("./assets/shape_predictor_68_face_landmarks.dat")
​
        # 站在1.5M远处,左眼最左边距离右眼最右边的像素距离(请使用getEyePixelDist方法校准,然后修改这里的值)
        self.eyeBaseDistance = 65
​
        # pose_estimator.show_3d_model()
​
        self.utils = Utils()
​
​
    # 采集照片用于训练
    # 参数
    # label_index: label的索引
    # save_interval:隔几秒存储照片
    # save_num:存储总量
    def collectFacesFromCamera(self,label_index,save_interval,save_num):
        cap = cv2.VideoCapture(0)
​
        width = cap.get(cv2.CAP_PROP_FRAME_WIDTH)
        height = cap.get(cv2.CAP_PROP_FRAME_HEIGHT)
​
        fpsTime = time.time()
        last_save_time = fpsTime
        saved_num = 0
        while True:
            _, frame = cap.read()
            frame = cv2.flip(frame,1)
            gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
​
            faces = self.face_detector(gray)
            
            for face in faces:
​
                if saved_num < save_num:
                    if (time.time() - last_save_time) > save_interval:
                        self.utils.save_face(face,frame,label_index)
                        saved_num +=1
                        last_save_time = time.time()
​
                        print('label_index:{index},成功采集第{num}张照片'.format(index = label_index,num = saved_num))
                else:
                    print('照片采集完毕!')
                    exit()
​
                self.utils.draw_face_box(face,frame,'','','')    
​
            cTime = time.time()
            fps_text = 1/(cTime-fpsTime)
            fpsTime = cTime
            
            frame = self.utils.cv2AddChineseText(frame, "帧率: " + str(int(fps_text)),  (10, 30), textColor=(0, 255, 0), textSize=50)
            frame = cv2.resize(frame, (int(width)//2, int(height)//2) )
            cv2.imshow('Collect data', frame)
            if cv2.waitKey(5) & 0xFF == 27:
                break
        cap.release()
​
​
    # 训练人脸模型
    def train(self):
        print('训练开始!')
        label_list,img_list = self.utils.getFacesLabels()
        self.face_model.train(img_list, label_list)
        self.face_model.save("./face_model/model.yml")
        print('训练完毕!')
    
​
    
    # 获取两个眼角像素距离
    def getEyePixelDist(self):
        
        cap = cv2.VideoCapture(0)
​
        width = cap.get(cv2.CAP_PROP_FRAME_WIDTH)
        height = cap.get(cv2.CAP_PROP_FRAME_HEIGHT)
​
        # 姿态估计
        self.pose_estimator = PoseEstimator(img_size=(height, width))
        
        fpsTime = time.time()
​
        while True:
            _, frame = cap.read()
            frame = cv2.flip(frame,1)
            gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
​
            faces = self.face_detector(gray)
           
            pixel_dist = 0
​
            for face in faces:
                
                # 关键点
                landmarks = self.landmark_predictor(gray, face)
                image_points = self.pose_estimator.get_image_points(landmarks)
​
                left_x = int(image_points[36][0])
                left_y = int(image_points[36][1])
                right_x = int(image_points[45][0])
                right_y = int(image_points[45][1])
​
                pixel_dist = abs(right_x-left_x)
​
                cv2.circle(frame, (left_x, left_y), 8, (255, 0, 255), -1)
                cv2.circle(frame, (right_x, right_y), 8, (255, 0, 255), -1)
​
                # 人脸框
                frame = self.utils.draw_face_box(face,frame,'','','')
              
​
            cTime = time.time()
            fps_text = 1/(cTime-fpsTime)
            fpsTime = cTime
            
            frame = self.utils.cv2AddChineseText(frame, "帧率: " + str(int(fps_text)),  (20, 30), textColor=(0, 255, 0), textSize=50)
            frame = self.utils.cv2AddChineseText(frame, "像素距离: " + str(int(pixel_dist)),  (20, 100), textColor=(0, 255, 0), textSize=50)
           
            # frame = cv2.resize(frame, (int(width)//2, int(height)//2) )
            cv2.imshow('Baby wathching TV', frame)
            if cv2.waitKey(5) & 0xFF == 27:
                break
        cap.release()
​
    # 运行主程序
    def run(self,w,h,display):
​
        model_path = "./face_model/model.yml"
        if not os.path.exists(model_path):
            print('人脸识别模型文件不存在,请先采集训练')
            exit()
​
        label_zh = self.utils.loadLablZh()
​
        self.face_model.read(model_path)
​
        cap = cv2.VideoCapture(0)
​
        width = w
        height = h
​
        print(width,height)
​
        # 姿态估计
        self.pose_estimator = PoseEstimator(img_size=(height, width))
​
        fpsTime = time.time()
​
        zh_name = ''
        x_label = ''
        z_label = ''
        is_watch = ''
        angles = [0, 0, 0]
        person_distance = 0
        watch_start_time = fpsTime
        watch_duration = 0
​
        # fps = 12
        # videoWriter = cv2.VideoWriter('./record_video/out'+str(time.time())+'.mp4', cv2.VideoWriter_fourcc(*'H264'), fps, (width,height))
​
        while True:
            _, frame = cap.read()
            frame = cv2.resize(frame,(width,height))
            frame = cv2.flip(frame,1)
            gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
​
            faces = self.face_detector(gray)
            
            
​
            for face in faces:
                
                x1,y1,x2,y2 = self.utils.getFaceXY(face)
                face_img = gray[y1:y2,x1:x2]
​
                try:
                    # 人脸识别
                    idx, confidence = self.face_model.predict(face_img)
                    zh_name = label_zh[str(idx)]
                except cv2.error:
                    print('cv2.error')
​
                # 关键点
                landmarks = self.landmark_predictor(gray, face)
                # 计算旋转矢量
                rotation_vector, translation_vector = self.pose_estimator.solve_pose_by_68_points(landmarks)
​
                # 计算距离
                person_distance = round(self.pose_estimator.get_distance(self.eyeBaseDistance),2)
​
​
                # 计算角度
                rmat, jac = cv2.Rodrigues(rotation_vector)
                angles, mtxR, mtxQ, Qx, Qy, Qz = cv2.RQDecomp3x3(rmat)
                
                
                if angles[1] < -15:
                    x_label = '左'
                elif angles[1] > 15:
                    x_label = '右'
                else:
                    x_label = '前'
​
​
                if angles[0] < -15:
                    z_label = "下"
                elif angles[0] > 15:
                    z_label = "上"
                else:
                    z_label = "中"
​
                is_watch = '是' if( x_label =='前' and z_label == '中') else '否'
​
                if is_watch == '是':
                    now = time.time()
                    watch_duration += ( now - watch_start_time)
                
                watch_start_time= time.time()
                
                if display == 1:
                    # 人脸框
                    frame = self.utils.draw_face_box(face,frame,zh_name,is_watch,person_distance)
                if display == 2:
                    # 68个关键点
                    self.utils.draw_face_points(landmarks,frame)
                if display == 3:
                    # 梯形方向
                    self.pose_estimator.draw_annotation_box(
                        frame, rotation_vector, translation_vector,is_watch)
                if display == 4:
                    # 指针
                    self.pose_estimator.draw_pointer(frame, rotation_vector, translation_vector)
                if display == 5:
                    # 三维坐标系
                    self.pose_estimator.draw_axes(frame, rotation_vector, translation_vector)
​
                # 仅测试单人
                break
​
            cTime = time.time()
            fps_text = 1/(cTime-fpsTime)
            fpsTime = cTime
            
            frame = self.utils.cv2AddChineseText(frame, "帧率: " + str(int(fps_text)),  (20, 30), textColor=(0, 255, 0), textSize=50)
​
            color = (255, 0, 255) if person_distance <=1 else (0, 255, 0)
​
            frame = self.utils.cv2AddChineseText(frame, "距离: " + str(person_distance ) +"m",  (20, 100), textColor=color, textSize=50)
​
            color = (255, 0, 255) if is_watch =='是' else (0, 255, 0)
​
​
            frame = self.utils.cv2AddChineseText(frame, "观看: " + str(is_watch ),  (20, 170), textColor=color, textSize=50)
​
            # 
            duration_str = str(round((watch_duration/60),2)) +"min"
​
            frame = self.utils.cv2AddChineseText(frame, "时长: " + duration_str, (20, 240), textColor= (0, 255, 0), textSize=50)
​
​
​
            color = (255, 0, 255) if x_label =='前' else (0, 255, 0)
            
            frame = self.utils.cv2AddChineseText(frame, "X轴: {degree}° {x_label} ".format(x_label=str(x_label ),degree = str(int(angles[1]))) ,  (20, height-220), textColor=color, textSize=40)
​
            color = (255, 0, 255) if z_label =='中' else (0, 255, 0)
​
            frame = self.utils.cv2AddChineseText(frame, "Z轴: {degree}° {z_label}".format(z_label=str(z_label ),degree = str(int(angles[0]))) ,  (20, height-160), textColor=color, textSize=40)
​
​
            frame = self.utils.cv2AddChineseText(frame, "Y轴: {degree}°".format(degree = str(int(angles[2]) )),(20, height-100), textColor=(0, 255, 0), textSize=40)
​
​
            # videoWriter.write(frame) 
            # frame = cv2.resize(frame, (int(width)//2, int(height)//2) )
            cv2.imshow('Baby wathching TV', frame)
            if cv2.waitKey(5) & 0xFF == 27:
                break
        cap.release()
​
m = MonitorBabay()
​
​
# 参数设置
parser = ArgumentParser()
parser.add_argument("--mode", type=str, default='run',
                    help="运行模式:collect,train,distance,run对应:采集、训练、评估距离、主程序")
parser.add_argument("--label_id", type=int, default=1,
                    help="采集照片标签id.")
parser.add_argument("--img_count", type=int, default=3,
                    help="采集照片数量")        
parser.add_argument("--img_interval", type=int, default=3,
                    help="采集照片间隔时间")            
                    
parser.add_argument("--display", type=int, default=1,
                    help="显示模式,取值1-5")     
                     
parser.add_argument("--w", type=int, default=960,
                    help="画面宽度")   
parser.add_argument("--h", type=int, default=720,
                    help="画面高度")                           
args = parser.parse_args()
​
​
mode = args.mode
​
if mode == 'collect':
    print("即将采集照片.")
    if args.label_id and args.img_count and args.img_interval:
        m.collectFacesFromCamera(args.label_id,args.img_interval,args.img_count)
​
if  mode == 'train':
    m.train()
​
if  mode == 'distance':
    m.getEyePixelDist()
​
if mode == 'run':
    m.run(args.w,args.h,args.display)

END~

  • 7
    点赞
  • 41
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 9
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 9
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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

打赏作者

心之所向521

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
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