imreadpython之人脸识别68点定位_大月半子_新浪

pip install opencv-python

pip install dlib

人脸检测基于事先训练好的模型数据，从这里可以下到模型数据

下载到本地路径后解压，记下解压后的文件路径，程序中会用到。

dlib的人脸特征点

上面下载的模型数据是用来估计人脸上68个特征点(x, y)的坐标位置，这68个坐标点的位置如下图所示：

import sys

import numpy as np

import dlib

import cv2

#if len(sys.argv) < 2:

# print "Usage: %s" %sys.argv[0]

# sys.exit(1)

#image_file = sys.argv[1]

image_file =('psb2.jpg')

detector = dlib.get_frontal_face_detector()

predictor =dlib.shape_predictor("shape_predictor_68_face_landmarks.dat")

image = cv2.imread(image_file)

#image = resize(image, width=900)

gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

rects = detector(gray, 1)

def rect_to_bb(rect):

x = rect.left()

y = rect.top()

w = rect.right() -x

h = rect.bottom() - y

return (x, y, w,h)

这个函数里的rect是dlib脸部区域检测的输出。这里将rect转换成一个序列，序列的内容是矩形区域的边界信息。imread

def shape_to_np(shape, dtype="int"):

coords = np.zeros((68,2), dtype=dtype)

for i in range(0,68):

coords[i] = (shape.part(i).x, shape.part(i).y)

return coords

这个函数里的shape是dlib脸部特征检测的输出，一个shape里包含了前面说到的脸部特征的68个点。这个函数将shape转换成Numpyarray，为方便后续处理。

def resize(image, width=1200):

r = width * 1.0 /image.shape[1]

dim = (width,int(image.shape[0] * r))

resized =cv2.resize(image, dim, interpolation=cv2.INTER_AREA)

return resized

这个函数里的image就是我们要检测的图片。在人脸检测程序的最后，我们会显示检测的结果图片来验证，这里做resize是为了避免图片过大，超出屏幕范围。imread

for (i, rect) in enumerate(rects):

shape = predictor(gray,rect)

shape =shape_to_np(shape)

(x, y, w, h) =rect_to_bb(rect)

cv2.rectangle(image, (x,y), (x + w, y + h), (0, 255, 0), 2)

cv2.putText(image, "Face#{}".format(i + 1), (x - 15, y - 15),

cv2.FONT_HERSHEY_SIMPLEX, 0.5, (0, 255, 0), 2)

for (x, y) inshape:

cv2.circle(image, (x, y), 1, (0, 0, 255),-1)

对于每一张检测到的脸，我们进一步检测脸部的特征（鼻子、眼睛、眉毛等）。对于脸部区域，我们用绿色的框在照片上标出；对于脸部特征，我们用红色的点标出来。

最后我们把加了检测标识的照片显示出来，waitKey(0)表示按任意键可退出程序。

#point size

cv2.imshow("Output", image)

本文来自电脑杂谈，转载请注明本文网址：
https://www.pc-fly.com/a/jisuanjixue/article-65135-1.html