python dlib人脸检测_Python 3 利用 Dlib 实现人脸检测和剪切
0. 引言
利用 Python 开发,借助 Dlib 库进行人脸检测 / face detection 和剪切;
将检测到的人脸剪切下来,依次排序平铺显示在新的图像上;
实现的效果如 图1 所示,将 图1 原图中的 6 张人脸检测出来,然后剪切下来,在图像窗口中依次输出显示人脸;
将检测到的人脸存储为单个人脸图像;
图 1 原图 和 crop_faces_show.py 处理后得到的平铺人脸图像窗口
图 2 crop_faces_save.py处理后得到的多个单张人脸图像文件
源码上传到了我的 Github;
1.开发环境
Python: 3.6.3
Dlib: 19.7
OpenCv, NumPy
import dlib #人脸检测的库 Dlib
import numpy as np #数据处理的库 numpy
import cv2 #图像处理的库 OpenCv
2. 实现过程
工作内容主要以下两大块:Dlib 人脸检测和处理检测到的人脸图像
2.1 Dlib 人脸检测
利用已经训练好的 Dlib 正向人脸检测器 detector = dlib.get_frontal_face_detector() 进行人脸检测;
可以得到人脸外接矩形的坐标,用来之后进行裁剪;
具体 Dlib 的使用,请参考我另一篇博客;
1 #Dlib 检测器
2 detector =dlib.get_frontal_face_detector()3
4 #读取图像
5 path = "/***/image_path/"
6 img = cv2.imread(path+"test_faces.jpg")7 #print("img/shape:", img.shape)
8
9 #Dlib 检测
10 faces = detector(img, 1)11
12 print("人脸数:", len(faces))
2.2 绘制新图像
如果你想让检测出来的人脸并排显示的话,需要遍历两次( for k, d in enumerate (faces) ):
第一次遍历:记录下我们需要生成的图像窗口的大小,因为需要将多张照片显示在一张图像上,所以需要知道每张人脸照片的大小;
第二次遍历:根据之前得到的图像尺寸新建空白图像,然后开始用人脸矩形填充图像;
2.2.1 确定空白图像尺寸
( 这部分首先要根据检测到的人脸数和人脸大小,来确定绘制图像所需要的尺寸)
第一次遍历:多张人脸要输出到一行,所以先进行一次人脸的遍历j记下每张人脸的大小,记每张人脸的尺寸为 [ 高度 height * 宽度 width ](高度和宽度说明见 图 3 ):
图 3 图像尺寸说明
我取的生成空白图像的尺寸:height_max(最大高度)和 width_sum(宽度之和),然后根据尺寸大小来新建空白图像:
img_blank = np.zeros((height_max, width_sum, 3), np.uint8)
图 4 图像尺寸 height_max 和 width_sum
2.2.2 图像填充
第二次遍历:多根据之前得到的图像尺寸新建空白图像,然后开始用人脸矩形填充图像,每次 width 方向从 blank_start 位置开始,每次填完一张之后记得更新起始位置:( blank_start += width ):
for i inrange(height): for j inrange(width): img_blank[i][blank_start + j] = img[d.top() + i][d.left() + j]
如果想访问图像的某点像素,可以利用 img [height] [width]:
存储像素其实是一个三维数组,先高度 height,然后宽度 width;
返回的是一个颜色数组( 0-255,0-255,0-255),按照( B, G, R)的顺序;
比如 蓝色就是(255,0,0),红色是(0,0,255);
3. 源码
3.1 crop_faces_show.py
#created at 2018-01-22#updated at 2018-09-29
#Author: coneypo#Blog: http://www.cnblogs.com/AdaminXie#GitHub: https://github.com/coneypo/Dlib_face_cut
import dlib #人脸识别的库dlib
import numpy as np #数据处理的库numpy
import cv2 #图像处理的库OpenCv
#Dlib 检测器
detector =dlib.get_frontal_face_detector()
predictor= dlib.shape_predictor('shape_predictor_68_face_landmarks.dat')#读取图像
path = "faces_for_test/"img= cv2.imread(path+"test_faces_1.jpg")#Dlib 检测
dets = detector(img, 1)print("人脸数:", len(dets), "\n")#记录人脸矩阵大小
height_max =0
width_sum=0#计算要生成的图像 img_blank 大小
for k, d inenumerate(dets):#计算矩形大小
#(x,y), (宽度width, 高度height)
pos_start =tuple([d.left(), d.top()])
pos_end=tuple([d.right(), d.bottom()])#计算矩形框大小
height = d.bottom()-d.top()
width= d.right()-d.left()#处理宽度
width_sum +=width#处理高度
if height >height_max:
height_max=heightelse:
height_max=height_max#绘制用来显示人脸的图像的大小
print("窗口大小:",'\n', "高度 / height:", height_max
,'\n', "宽度 / width:", width_sum)#生成用来显示的图像
img_blank = np.zeros((height_max, width_sum, 3), np.uint8)#记录每次开始写入人脸像素的宽度位置
blank_start =0#将人脸填充到img_blank
for k, d inenumerate(dets):
height= d.bottom()-d.top()
width= d.right()-d.left()#填充
for i inrange(height):for j inrange(width):
img_blank[i][blank_start+j] = img[d.top()+i][d.left()+j]#调整图像
blank_start +=width
cv2.namedWindow("img_faces")#, 2)
cv2.imshow("img_faces", img_blank)
cv2.waitKey(0
实现效果:
图 5 原图和处理后得到的图像窗口
3.2 crop_faces_save.py
如果你想将识别出来的人脸保存成单个的图像,方便之后处理用,只需将上述代码进行略微修改;
只需一次遍历,根据每次检测到的人脸尺寸,新建空白图像后写入,然后利用 cv2.imwrite 写入到本地:
crop_faces_save.py:
1 #created at 2018-01-22
2 #updated at 2018-09-29
3
4 #Author: coneypo
5 #Blog: http://www.cnblogs.com/AdaminXie
6 #GitHub: https://github.com/coneypo/Dlib_face_cut
7
8 import dlib #人脸识别的库dlib
9 import numpy as np #数据处理的库numpy
10 import cv2 #图像处理的库OpenCv
11 importos12
13 #读取图像的路径
14 path_read = "faces_for_test/"
15 img = cv2.imread(path_read+"test_faces_3.jpg")16
17 #用来存储生成的单张人脸的路径
18 path_save = "faces_separated/"
19
20
21 #Delete old images
22 defclear_images():23 imgs =os.listdir(path_save)24
25 for img inimgs:26 os.remove(path_save +img)27
28 print("clean finish", '\n')29
30
31 clear_images()32
33
34 #Dlib 预测器
35 detector =dlib.get_frontal_face_detector()36 predictor = dlib.shape_predictor('shape_predictor_68_face_landmarks.dat')37
38
39 #Dlib 检测
40 faces = detector(img, 1)41
42 print("人脸数:", len(faces), '\n')43
44 for k, d inenumerate(faces):45
46 #计算矩形大小
47 #(x,y), (宽度width, 高度height)
48 pos_start =tuple([d.left(), d.top()])49 pos_end =tuple([d.right(), d.bottom()])50
51 #计算矩形框大小
52 height = d.bottom()-d.top()53 width = d.right()-d.left()54
55 #根据人脸大小生成空的图像
56 img_blank = np.zeros((height, width, 3), np.uint8)57
58 for i inrange(height):59 for j inrange(width):60 img_blank[i][j] = img[d.top()+i][d.left()+j]61
62 #cv2.imshow("face_"+str(k+1), img_blank)
63
64 #存在本地
65 print("Save to:", path_save+"img_face_"+str(k+1)+".jpg")66 cv2.imwrite(path_save+"img_face_"+str(k+1)+".jpg", img_blank)
图 6 生成的单个人脸图像文件
python dlib人脸检测_Python 3 利用 Dlib 实现人脸检测和剪切相关推荐
- python实现面部特效_Python 3 利用 Dlib 实现摄像头实时人脸检测和平铺显示
1. 引言 在某些场景下,我们不仅需要进行实时人脸检测追踪,还要进行再加工:这里进行摄像头实时人脸检测,并对于实时检测的人脸进行初步提取: 单个/多个人脸检测,并依次在摄像头窗口,实时平铺显示检测到的 ...
- python 摄像头标定_python 3利用Dlib 19.7实现摄像头人脸检测特征点标定
Python 3 利用 Dlib 19.7 实现摄像头人脸检测特征点标定 0.引言 利用python开发,借助Dlib库捕获摄像头中的人脸,进行实时特征点标定: 图1 工程效果示例(gif) 图2 工 ...
- python恶搞代码打开对方摄像头_Python 3 利用 Dlib 实现摄像头实时人脸检测和平铺显示...
1. 引言 在某些场景下,我们不仅需要进行实时人脸检测追踪,还要进行再加工:这里进行摄像头实时人脸检测,并对于实时检测的人脸进行初步提取: 单个/多个人脸检测,并依次在摄像头窗口,实时平铺显示检测到的 ...
- python读取视频流做人脸识别_python实现图片,视频人脸识别(opencv版)
图片人脸识别 import cv2 filepath = "img/xingye-1.png" img = cv2.imread(filepath) # 读取图片 gray = c ...
- python 人脸提取_Python 自动提取电影中所有人脸
最近由于论文写作需要涉及到人脸的提取操作,结合以前做过的人脸识别项目:Python自动识别人脸开机 和 ffmpeg 的影片逐帧提取功能,实现了自动提取电影中所有人脸的操作. 我们知道,机器学习.深度 ...
- python视频人脸检测_Python学习案例之视频人脸检测识别
前言 上一篇博文与大家分享了简单的图片人脸识别技术,其实在实际应用中,很多是通过视频流的方式进行识别,比如人脸识别通道门禁考勤系统.人脸动态跟踪识别系统等等. 案例 这里我们还是使用 opencv 中 ...
- python 圆形检测_python下用OpenCV的圆形检测
一.简介: 初次使用python的你一定感受到了python的便捷.作为高级编程语言只需调用类库即可. 对于圆形物体识别问题,opencv提供了大量方法. (代码文末附上) 二.检测步骤: 2.1读取 ...
- python短期预测图_Python中利用长短期记忆模型LSTM进行时间序列预测分析
原文链接:http://tecdat.cn/?p=6663 此示例中,神经网络用于使用2011年4月至2013年2月期间的数据预测都柏林市议会公民办公室的能源消耗. 每日数据是通过总计每天提供的15分 ...
- python辗转相除法求最小公倍数_Python实现利用最大公约数求三个正整数的最小公倍数示例...
Python实现利用最大公约数求三个正整数的最小公倍数示例 本文实例讲述了Python实现利用最大公约数求三个正整数的最小公倍数.分享给大家供大家参考,具体如下: 在求解两个数的小公倍数的方法时,假设 ...
最新文章
- 与优秀的人在一起,自己也会优秀起来!高质量技术群等你加入!
- python导出json
- ACM 模板--邻接表 无向图 搜索算法
- QT中Widget去除系统提供工具以及系统默认边框
- [C# 基础知识梳理系列]专题二:委托的本质论
- ASP.NET在IIS7中上下文中不可用
- docker添加新的环境变量_Docker环境变量
- eclipse java main方法传参数
- dataframe填充到指定的行数
- BZOJ 3779 LCT 线段树 DFS序 坑
- 计算机编程 设计入门,计算机编程入门图文教程_计算机程序设计教程,计算机编程入门教程-其它文档类资源...
- 部署war包到tomcat根目录
- 【SQL】基础增删改查
- 第一课print()输出函数(包含心形图案代码)
- 热门智力题 过桥问题和倒水问题
- 机器学习(线性回归实训)------波士顿房价
- 低代码:正在改变软件的开发方式
- !Latex Error: File ‘XXXXX.sty‘ not found.
- C#毕业设计——基于C#+asp.net+sqlserver的学生信息管理系统设计与实现(毕业论文+程序源码)——学生信息管理系统
- maven项目查询jar依赖的网址