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；

　　1. crop_faces_show.py :

　　　　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；

　　2. crop_faces_save.py :

　　　　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;

　　如果对您有帮助或者感兴趣，欢迎 Star 支持下: GitHub - coneypo/Dlib_face_cut: Detect faces in the image and crop the faces / 使用 Dlib 进行人脸检测然后将人脸裁剪下来

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；

　　( link: Python 3 利用 Dlib 19.7 进行人脸检测）；

 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 in range(height):for j in range(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_cutimport 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 in enumerate(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 in enumerate(dets):height = d.bottom()-d.top()width = d.right()-d.left()# 填充for i in range(height):for j in range(width):img_blank[i][blank_start+j] = img[d.top()+i][d.left()+j]# 调整图像blank_start += widthcv2.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 2018-01-222 # updated at 2018-09-293 4 # Author:   coneypo5 # Blog:     http://www.cnblogs.com/AdaminXie6 # GitHub:   https://github.com/coneypo/Dlib_face_cut7 8 import dlib         # 人脸识别的库dlib9 import numpy as np  # 数据处理的库numpy
10 import cv2          # 图像处理的库OpenCv
11 import os
12
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 def clear_images():
23     imgs = os.listdir(path_save)
24
25     for img in imgs:
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 in enumerate(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 in range(height):
59         for j in range(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

# 请尊重他人劳动成果，转载或者使用源码请注明出处：http://www.cnblogs.com/AdaminXie

# 如果对您有帮助，欢迎在 GitHub 上 Star 本项目: GitHub - coneypo/Dlib_face_cut: Detect faces in the image and crop the faces / 使用 Dlib 进行人脸检测然后将人脸裁剪下来

Python 3 利用 Dlib 实现人脸检测和剪切相关推荐

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 ...
利用dlib进行人脸检测
一.dlib环境搭建 1)dlib安装,pip install dlib.参考:http://www.cnblogs.com/vipstone/p/8964656.html . 2)训练模型下载:训练 ...
Python 3 利用 Dlib 和 sklearn 人脸笑脸检测机器学习建模
0. 引言利用机器学习的方法训练微笑检测模型,输入一张人脸照片,判断是否微笑: 精度在 95% 左右( 使用的数据集中 69 张没笑脸,65 张有笑脸 ): 图1 测试图像与检测结果项目实现的笑脸 ...
python+opencv+dlib实现人脸检测与表情识别
python+opencv+dlib实现人脸检测与表情识别一,dlib简单介绍:Dlib包含广泛的机器学习算法.所有的设计都是高度模块化的,快速执行,并且通过一个干净而现代的C ++ API,使用起 ...
dlib实现人脸检测方法
文章目录 `dlib`概述人脸检测 CPU版本人脸检测算法检测步骤示例代码: CUDA版本人脸检测算法检测步骤示例代码类定义与接口源码人脸检测中用到的重要的类(概述) `fhog_obj ...
C++ | 利用C++进行人脸检测，人脸识别，情绪识别
环境:win10,VS2022, 1.利用C++实现OpenCV和haarcascade人脸检测 1.1.下载一张有人脸的照片 1.2.下载haarcascade_frontalface_defaul ...
dlib做人脸检测判断有没有检测到人脸
dlib做人脸检测判断有没有检测到人脸文章目录: 一.人脸检测二.判断有没有检测到人脸其实我用dlib 检测人脸只是用来做个触发条件,但是我不知道怎么判断有没有检测到人,因为从返回值只知道是一个 ...
利用OpenCV实现人脸检测
如何在一副图片中检测到人脸,这涉及到计算机图形学中一些非常复杂的计算,如果这些计算都靠程序员自己来编程,那么工作量就相当大.OpenCV全称是Open Computer Vision,是指开放的计算机 ...
java dlib实现人脸检测_利用dlib库进行人脸检测
一.dlib的使用 dlib需要预先的安装 ①安装Python还是推荐3.5 ②下载dlib的安装包 https://pypi.python.org/pypi/dlib/18.17.100 选择匹配的 ...

Python 3 利用 Dlib 实现人脸检测和剪切

Python 3 利用 Dlib 实现人脸检测和剪切相关推荐

最新文章

热门文章