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

4 #Author: coneypo

5 #Blog: http://www.cnblogs.com/AdaminXie

6 #GitHub: https://github.com/coneypo/Dlib_face_cut

7 #Mail: coneypo@foxmail.com

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 """

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

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

4 #Author: coneypo

5 #Dlib: http://dlib.net/

6 #Blog: http://www.cnblogs.com/AdaminXie/

7 #Github: https://github.com/coneypo/Dlib_examples

9 #create object of OpenCv

10 #use OpenCv to read and show images

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；

3 #Author: coneypo

4 #Blog: http://www.cnblogs.com/AdaminXie

5 #GitHub: https://github.com/coneypo/Dlib_face_cut

7 importdlib8 importcv29 importtime10

11 #储存截图的目录

12 path_screenshots = "data/images/screenshots/"

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 ...

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

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

最新文章

热门文章