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人脸;
图 1 动态实时检测效果图
检测到的人脸矩形图像,会依次 平铺显示在摄像头的左上方;
当多个人脸时候,也能够依次铺开显示;
左上角窗口的大小会根据捕获到的人脸大小实时变化;
图 2 单个/多个人脸情况下摄像头识别显示结果
2. 代码实现
主要分为三个部分:
摄像头调用,利用 OpenCv 里面的 cv2.VideoCapture();
人脸检测,这里利用开源的 Dlib 框架,Dlib 中人脸检测具体可以参考 Python 3 利用 Dlib 19.7 进行人脸检测 ;
2.1 摄像头调用
Python 中利用 OpenCv 调用摄像头的一个例子 how_to_use_camera.py :
1 #OpenCv 调用摄像头
2 #默认调用笔记本摄像头
3
4 #Author: coneypo
5 #Blog: http://www.cnblogs.com/AdaminXie
6 #GitHub: https://github.com/coneypo/Dlib_face_cut
7 #Mail: coneypo@foxmail.com
8
9 importcv210
11 cap =cv2.VideoCapture(0)12
13 #cap.set(propId, value)
14 #设置视频参数: propId - 设置的视频参数, value - 设置的参数值
15 cap.set(3, 480)16
17 #cap.isOpened() 返回 true/false, 检查摄像头初始化是否成功
18 print(cap.isOpened())19
20 #cap.read()
21 """
22 返回两个值23 先返回一个布尔值, 如果视频读取正确, 则为 True, 如果错误, 则为 False;24 也可用来判断是否到视频末尾;25
26 再返回一个值, 为每一帧的图像, 该值是一个三维矩阵;27
28 通用接收方法为:29 ret,frame = cap.read();30 ret: 布尔值;31 frame: 图像的三维矩阵;32 这样 ret 存储布尔值, frame 存储图像;33
34 若使用一个变量来接收两个值, 如:35 frame = cap.read()36 则 frame 为一个元组, 原来使用 frame 处需更改为 frame[1]37 """
38
39 whilecap.isOpened():40 ret_flag, img_camera =cap.read()41 cv2.imshow("camera", img_camera)42
43 #每帧数据延时 1ms, 延时为0, 读取的是静态帧
44 k = cv2.waitKey(1)45
46 #按下 's' 保存截图
47 if k == ord('s'):48 cv2.imwrite("test.jpg", img_camera)49
50 #按下 'q' 退出
51 if k == ord('q'):52 break
53
54 #释放所有摄像头
55 cap.release()56
57 #删除建立的所有窗口
58 cv2.destroyAllWindows()
2.2 人脸检测
利用 Dlib 正向人脸检测器, dlib.get_frontal_face_detector();
对于本地人脸图像文件,一个利用 Dlib 进行人脸检测的例子:
1 #created at 2017-11-27
2 #updated at 2018-09-06
3
4 #Author: coneypo
5 #Dlib: http://dlib.net/
6 #Blog: http://www.cnblogs.com/AdaminXie/
7 #Github: https://github.com/coneypo/Dlib_examples
8
9 #create object of OpenCv
10 #use OpenCv to read and show images
11
12 importdlib13 importcv214
15 #使用 Dlib 的正面人脸检测器 frontal_face_detector
16 detector =dlib.get_frontal_face_detector()17
18 #图片所在路径
19 #read image
20 img = cv2.imread("imgs/faces_2.jpeg")21
22 #使用 detector 检测器来检测图像中的人脸
23 #use detector of Dlib to detector faces
24 faces = detector(img, 1)25 print("人脸数 / Faces in all:", len(faces))26
27 #Traversal every face
28 for i, d inenumerate(faces):29 print("第", i+1, "个人脸的矩形框坐标:",30 "left:", d.left(), "right:", d.right(), "top:", d.top(), "bottom:", d.bottom())31 cv2.rectangle(img, tuple([d.left(), d.top()]), tuple([d.right(), d.bottom()]), (0, 255, 255), 2)32
33 cv2.namedWindow("img", 2)34 cv2.imshow("img", img)35 cv2.waitKey(0)
图 3 参数 d.top(), d.right(), d.left(), d.bottom() 位置坐标说明
2.3 图像裁剪
如果想访问图像的某点像素,对于 opencv 对象可以利用索引 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);
所以要做的就是对于检测到的人脸,要依次平铺填充到摄像头显示的实时帧 img_rd 中;
所以进行图像裁剪填充这块的代码如下(注意要防止截切平铺的图像不能超出 640x480 ):
#检测到人脸
if len(faces) !=0:#记录每次开始写入人脸像素的宽度位置
faces_start_width =0for face infaces:#绘制矩形框
cv2.rectangle(img_rd, tuple([face.left(), face.top()]), tuple([face.right(), face.bottom()]),
(0,255, 255), 2)
height= face.bottom() -face.top()
width= face.right() -face.left()### 进行人脸裁减 ###
#如果没有超出摄像头边界
if (face.bottom() < 480) and (face.right() < 640) and\
((face.top()+ height) < 480) and ((face.left() + width) < 640):#填充
for i inrange(height):for j inrange(width):
img_rd[i][faces_start_width+ j] =\
img_rd[face.top()+ i][face.left() +j]#更新 faces_start_width 的坐标
faces_start_width += width
记得要更新 faces_start_width 的坐标,达到依次平铺的效果:
图 4 平铺显示的人脸
2.4. 完整源码
1 #调用摄像头实时单个/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人脸;
2
3 #Author: coneypo
4 #Blog: http://www.cnblogs.com/AdaminXie
5 #GitHub: https://github.com/coneypo/Dlib_face_cut
6
7 importdlib8 importcv29 importtime10
11 #储存截图的目录
12 path_screenshots = "data/images/screenshots/"
13
14 detector =dlib.get_frontal_face_detector()15 predictor = dlib.shape_predictor('data/dlib/shape_predictor_68_face_landmarks.dat')16
17 #创建 cv2 摄像头对象
18 cap =cv2.VideoCapture(0)19
20 #设置视频参数,propId 设置的视频参数,value 设置的参数值
21 cap.set(3, 960)22
23 #截图 screenshots 的计数器
24 ss_cnt =025
26 whilecap.isOpened():27 flag, img_rd =cap.read()28
29 #每帧数据延时 1ms,延时为 0 读取的是静态帧
30 k = cv2.waitKey(1)31
32 #取灰度
33 img_gray =cv2.cvtColor(img_rd, cv2.COLOR_RGB2GRAY)34
35 #人脸数
36 faces =detector(img_gray, 0)37
38 #待会要写的字体
39 font =cv2.FONT_HERSHEY_SIMPLEX40
41 #按下 'q' 键退出
42 if k == ord('q'):43 break
44 else:45 #检测到人脸
46 if len(faces) !=0:47 #记录每次开始写入人脸像素的宽度位置
48 faces_start_width =049
50 for face infaces:51 #绘制矩形框
52 cv2.rectangle(img_rd, tuple([face.left(), face.top()]), tuple([face.right(), face.bottom()]),53 (0, 255, 255), 2)54
55 height = face.bottom() -face.top()56 width = face.right() -face.left()57
58 ### 进行人脸裁减 ###
59 #如果没有超出摄像头边界
60 if (face.bottom() < 480) and (face.right() < 640) and\61 ((face.top() + height) < 480) and ((face.left() + width) < 640):62 #填充
63 for i inrange(height):64 for j inrange(width):65 img_rd[i][faces_start_width + j] =\66 img_rd[face.top() + i][face.left() +j]67
68 #更新 faces_start_width 的坐标
69 faces_start_width +=width70
71 cv2.putText(img_rd, "Faces in all:" + str(len(faces)), (20, 350), font, 0.8, (0, 0, 0), 1, cv2.LINE_AA)72
73 else:74 #没有检测到人脸
75 cv2.putText(img_rd, "no face", (20, 350), font, 0.8, (0, 0, 0), 1, cv2.LINE_AA)76
77 #添加说明
78 img_rd = cv2.putText(img_rd, "Press 'S': Screen shot", (20, 400), font, 0.8, (255, 255, 255), 1, cv2.LINE_AA)79 img_rd = cv2.putText(img_rd, "Press 'Q': Quit", (20, 450), font, 0.8, (255, 255, 255), 1, cv2.LINE_AA)80
81 #按下 's' 键保存
82 if k == ord('s'):83 ss_cnt += 1
84 print(path_screenshots + "screenshot" + "_" + str(ss_cnt) + "_" + time.strftime("%Y-%m-%d-%H-%M-%S",85 time.localtime()) + ".jpg")86 cv2.imwrite(path_screenshots + "screenshot" + "_" + str(ss_cnt) + "_" + time.strftime("%Y-%m-%d-%H-%M-%S",87 time.localtime()) + ".jpg",88 img_rd)89
90 cv2.namedWindow("camera", 1)91 cv2.imshow("camera", img_rd)92
93 #释放摄像头
94 cap.release()95
96 #删除建立的窗口
97 cv2.destroyAllWindows()
这个代码就是把之前做的人脸检测,图像拼接几个结合起来,代码量也很少,只有100行,如有问题可以参考之前博客:
人脸检测对于机器性能占用不高,但是如果要进行实时的图像裁剪拼接,计算量可能比较大,所以可能会出现卡顿;
# 如有问题请留言或者联系邮箱 coneypo@foxmail.com,商业合作勿扰
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相关推荐
- 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摄像头跟随人脸_Python3利用Dlib实现摄像头实时人脸检测和平铺显示示例
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实现面部特效_Python实现人脸带墨镜效果
DEAL WITH IT是这样一个效果,眼镜从屏幕外飞进来,带在用户的脸上.这种效果的最佳实例是以一种独特的方式完成的. 今天,我们将编写一个生成器,该生成器使用任何有面部的静态图像作为输入.如果你想 ...
- python摄像头实时人脸检测数据收集
如何使用摄像头保存人脸? 基于opencv进行人脸识别数据收集,我对本人自己进行数据收集,具体请看代码注释,写很详细了,按s就保存图片为test.jpg,按q则退出界面: 代码如下: import c ...
- Python实现摄像头实时人脸检测
摄像头中的人脸检测,也是人脸识别的一部分, 摄像头播放的画面本质上是按帧将图片拼凑起来的, 有图片的话,获取图片的中人脸呢再上一篇中我们已经涉及了 想要进行人脸识别, 我们需要OpenCV, 还是先来 ...
- python实现面部特效_python 实现波浪滤镜特效
本文用 Python 实现 PS 滤镜的波浪特效 import numpy as np from skimage import img_as_float import matplotlib.pyplo ...
- python实现面部特效_Python实现在线批量美颜功能过程解析
结果 然后直接放源码: import cv2 as cv source = cv.imread("zhaopian.jpg") dst = cv.bilateralFilter(s ...
- 【OpenCV入门实战】利用电脑前置摄像头进行人脸检测
这几天在看OpenCV相关的书,结合书上的源码自己拼合出了这个功能,于是写下来作为入门OpenCV的一个记录. 要完成这个功能,需要两步操作,一是打开摄像头采集图像,二是将采集到的图像送入图像检测 ...
- CV之FR:基于cv2和dlib库自带frontal_face_detector(人脸征检测器)利用landmarks.dat文件实现人脸检测与人脸标记之《极限男人帮》和《NBA全明星球员》案例应用
CV之FR:基于cv2和dlib库自带frontal_face_detector(人脸征检测器)利用landmarks.dat文件实现人脸检测与人脸标记之<极限男人帮>和<NBA全明 ...
最新文章
- 不会用Photoshop抠图?Mask R-CNN助你一键“除”人
- 怎样查看端口占用情况
- 商显行业高速发展,如何开启全新商务会议时代
- 以太坊智能合约开发第七篇:智能合约与网页交互
- selenium容易忽视的知识点
- SQL 中 left join、right join、inner join 的区别
- hdu 1023 Train Problem II
- 深度残差收缩网络:(六)代码实现
- Linux完全删除用户
- php判断是不是iphone访问,php基于http协议访问,判断访问来源iphone,android,微信浏览器,pc电脑...
- GDI+ 中发生一般性错误(在 OutputStream 中保存 PNG 格式图像时遇到的问题)
- Ubuntu 16.04中zabbix显示 :Zabbix server is not running:te information displayed may not be current.
- k8s glusterfs mysql_k8s使用glusterfs实现动态持久化存储
- 使用python开发windows应用程序
- 软件测试入门知识了解
- matlab井函数,用MATLAB函数解承压含水层完整井非稳定流问题
- 一些前端入门者可能需要的网站
- 再谈多态——向上映射及VMT/DMT
- XML入门教程(3)
- 2021-10-18 WPF调用dll出现异常