mediapipe系列之一脸部特征点标记

基于mediapipe进行的脸部特征点标记

采用方法

主要使用google 的 mediapipe 工具包中的face_mesh模块和opencv中的显示标识模块

使用事项

文中的1.flv 可以换成其他格式的视频。

代码如下

import cv2
import mediapipe as mp
import timeclass FaceMashDetector(object):def __init__(self, mode=False, max_num=2, detection=0.5, tracking=0.5):self.mode = modeself.max_num = max_numself.detection = detectionself.tracking = trackingself.mpFaceMesh = mp.solutions.face_meshself.face = self.mpFaceMesh.FaceMesh(self.mode, self.max_num, self.detection, self.tracking)self.mpDraw = mp.solutions.drawing_utilsself.drawSpec = self.mpDraw.DrawingSpec(thickness=1, circle_radius=2)def findPose(self, img, draw=True):imgRGB = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)self.results = self.face.process(imgRGB)if self.results.multi_face_landmarks:for faceLms in self.results.multi_face_landmarks:if draw:self.mpDraw.draw_landmarks(img, faceLms, self.mpFaceMesh.FACE_CONNECTIONS, self.drawSpec,self.drawSpec)return imgdef findPosition(self, img, handNo=0, draw=True):lmList = []if self.results.multi_face_landmarks:myFace = self.results.multi_face_landmarks[handNo]for id, lm in enumerate(myFace.landmark):h, w, c = img.shapecx, cy = int(lm.x * w), int(lm.y * h)lmList.append((id, cx, cy))if draw:cv2.circle(img, (cx, cy), 10, (255, 0, 255), cv2.FILLED)return lmListdef main():pTime = 0cap = cv2.VideoCapture('1.flv')detector = FaceMashDetector()while True:success, img = cap.read()img = detector.findPose(img)lmList = detector.findPosition(img, draw=False)cTime = time.time()fps = 1 / (cTime - pTime)pTime = cTimecv2.putText(img, f"fps:{int(fps)}", (10, 70), cv2.FONT_HERSHEY_PLAIN, 3, (255, 0, 255), 3)cv2.imshow('Image', img)cv2.waitKey(10)if __name__ == '__main__':main()

mediapipe系列之一脸部特征点标记相关推荐

图像配准系列之“Sift特征点+薄板样条变换+FFD变换”配准方法
上篇文章中我们讲了"Sift+TPS"的配准方法: 图像配准系列之"Sift特征点+薄板样条变换"配准方法我们知道,TPS薄板样条变换(简称TPS变换)与FF ...
特征工程系列：自动化特征构造
特征工程系列:自动化特征构造原创: JunLiang 木东居士今天 0x00 前言数据和特征决定了机器学习的上限,而模型和算法只是逼近这个上限而已.由此可见,特征工程在机器学习中占有相当重要的 ...
[特征工程系列二]显性特征的基本处理方法
今天接着前一篇文章讲,主要分享基于显性特征工程的一些最基本的处理方法.关于显性特征是什么,大家可以去看系列文章一.关于显性特征的处理方法可以做这样的类比:不知道大家平时会不会自己做菜,我个人的话基本每 ...
[特征工程系列一] 论特征的重要性
满打满算,还有十天左右就要过年了,这些天大家或多或少都有点浮躁.反过来想,趁大家都懈怠的时候,正是学习的最佳时机.趁着这几天,也给自己加点码,去认真的再看一下特征工程.我给自己列了下面的这一份学习清单 ...
OpenCV系列之理解特征 | 三十六
目标在本章中,我们将尝试理解什么是特征,为什么拐角重要等等解释你们大多数人都会玩拼图游戏.你会得到很多小图像,需要正确组装它们以形成大的真实图像.问题是,你怎么做?将相同的理论投影到计算机程序上 ...
机器学习系列 5：特征缩放
https://www.toutiao.com/a6693032631371563528/ 首先我们应该了解一下多元线性回归.相比于单变量线性回归,该函数拥有多个变量值,那么他所拥有的参数就不仅仅是一 ...
[特征工程系列三]显性特征的衍生
前一文讲的是一些特征的基础处理方式,包括怎么降维.怎么处理脏数据等等.其实特征工程真正的难点是如何结合业务需求衍生出新的特征.结合业务需求讲的是利用专家经验来提取出数据里对结果影响更大的特征,往往是原 ...
Scikit-learn学习系列 | 4. sklearn特征降维方法汇总（方差过滤，卡方，F过滤，互信息，嵌入法）
如有错误,恳请指出. 以下内容整理自专栏:博主"文火冰糖的硅基工坊"的专栏--机器学习与scikit-learn,对部分的文章的简化与整理. 文章目录 1. 常见的降维方法简介 1 ...
时间序列(time serie)分析系列之时间序列特征(feature)7
文章目录 1.问题描述 2.特征构建 2.1时间特征 2.2平移特征 2.3窗口特征 3.总结 1.问题描述时间序列数据作为一种典型的数据,常存在于各行各业.比如客流.车流.销量.KPI指标等等. ...
机器学习系列(5)_特征工程02特征提取
文章目录一.Filter过滤法 1.方差过滤 (1)使用KNN进行考察 (2)使用随机森林(RFC)进行考察 2.相关性过滤 (1)卡方过滤 (2) 用随机森林进行比较特征选择 (3)选取超参数 ( ...

mediapipe系列之一脸部特征点标记

基于mediapipe进行的脸部特征点标记

采用方法

使用事项

代码如下

mediapipe系列之一脸部特征点标记相关推荐

最新文章

热门文章