人脸老化之三Dlib库进行人脸关键点检测

本文介绍了如何使用Dlib库进行人脸关键点检测,特别是在人脸老化过程中的应用。通过Dlib的frontal_face_detector检测68个预定义的关键点,并探讨了添加额外点的可能性,如图片顶点和边中点,以辅助人脸融合变形的过程。提供了一个简单的实现步骤,并分享了测试代码和图片资源链接。
摘要由CSDN通过智能技术生成

在《人脸老化之二学习研究相关图像处理知识(Dlib库的使用)》中参考http://www.learnopencv.com/face-morph-using-opencv-cpp-python/进行基于两个人脸的融合变形。

介绍一步步实现人脸变形。

使用的两张测试图片


第一步:利用Dlib库找出两张人脸中的对应点。

利用Dlib库,默认可以检测出68个关键点,主要涉及代码如下:

dlib::frontal_face_detector detector = get_frontal_face_detector();
cv_image<bgr_pixel> cimg(img);
std::vector<dlib::rectangle> dets = detector(cimg);
full_object_detection shape = sp(cimg, dets[0]);//dets[0]代表第一张人脸数据

在原文中作者在检测后,又手动添加

#include "stdafx.h" #include "cv.h" #include "highgui.h" #include <stdio.h> int _tmain(int argc, _TCHAR* argv[]) { CvCapture* capture=0; /*初始化一个视频捕获操作。告诉底层的捕获api我想从Capture1.avi中捕获图片, 底层api将检测并选择相应的解码器并做好准备工作*/ capture = cvCaptureFromFile( "F:\\1.avi"); //设置要读的视频(avi格式) static CvMemStorage* storage = 0; static CvHaarClassifierCascade* cascade = 0; cascade = (CvHaarClassifierCascade*)cvLoad("haarcascade_frontalface_alt.xml",0,0,0); if( !cascade || !capture ) return -1; storage = cvCreateMemStorage(0); /*创建一个窗口,用“Video”作为窗口的标识符*/ cvNamedWindow( "Video",1); /*如果初始化失败,那么capture为空指针,程序停止,否则进入捕获循环*/ if( capture ) { for(;;) { IplImage* frame = cvQueryFrame( capture ); IplImage* img = NULL; CvSeq* faces; if( !frame ) break; img = cvCloneImage(frame); img->origin = 0; if( frame->origin ) cvFlip(img,img); cvClearMemStorage( storage ); //目标检测 faces = cvHaarDetectObjects( img, cascade, storage,1.1, 2, CV_HAAR_DO_CANNY_PRUNING, cvSize(20, 20) ); for( int i = 0; i < (faces ? faces->total : 0); i++ ) { CvRect* r = (CvRect*)cvGetSeqElem( faces, i ); cvRectangle( img, cvPoint(r->x,r->y), cvPoint(r->x+r->width,r->y+r->height), CV_RGB(255,0,0), 1); } cvShowImage( "Video", img ); //设置每帧图像的间隔 Sleep(50); /*如果你敲了键盘,就退出程序,否则继续捕获下一帧*/ if( cvWaitKey(10)>0 ) break; } /*退出之前结束底层api的捕获操作,比如会使得别的程序无法访问已经被它们打开的文件*/ cvReleaseCapture( &capture;); } /*销毁窗口*/ cvDestroyWindow("Video"); return 0; }
评论
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
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