Python部落(python.freelycode.com)组织翻译，禁止转载，欢迎转发。

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。如果你想构建一个该效果的API，或者想以视频为输入来制作该效果，那么本文的代码是一个很好的开端。

我从Erik Taheri那里获得本文的灵感，而他写的是适用于浏览器的这个效果的Javscript版本。

在本文的结尾处，我还加入了一个使用OpenCV从摄像头实时获得效果的版本。

人脸识别和创建Gif的工具

我们将使用Dlib的get_frontal_face_detector，和Snapchat的镜头效果一文中用到的68点形状预测模型。

程序将接受命令行参数来获取输入图像。然后，使用Dlib中的人脸识别算法来查看输入的图像中是否有人脸。如果有的话，将为每个人脸创建一个最终位置，该位置是眼镜应该落到的位置。

然后，我们调整和旋转眼镜来适应每个人的脸。我们将使用从Dlib的68点模型返回的点集来找到眼睛的质心，以及它们之间的空间旋转角度。

我们找到眼镜的最终位置和旋转角度后，可以制作眼镜从屏幕顶端进入的gif。我们将使用MoviePy的make_frame函数绘制gif。

自动生成Gif的架构

该应用程序的结构非常简单。我们首先获取图像，然后将其转换为灰度NumPy数组。得到NumPy数组后，我们可以将要检测的图像传递给面部定位预测模型。

返回人脸方向后，我们可以选出眼睛，以及缩放和旋转眼镜架以适应人脸。

我们可以积累一组面孔和它们的最终位置，并将它们添加到列表中。

最后，通过这个列表，我们可以用MoviePy创建一个绘制路线，然后生成动态gif。

编码

规划好代码结构后，我们下一步需要逐步构建代码。

首先导入所有的工具，并且从命令行得到一张图像：

有了这个，我们可以调整图像以适应更小的宽度，因此我们的gif不会很大，而且要导入面部识别和形状预测。

我们也可以打开要贴在图像上的眼镜和文本。

此时，我们还应该检测图像中是否有任何人脸。如果没有，我们应该立即退出。

好极了！现在，我们可以遍历每个检测到的人脸，并建立一个缩放和旋转眼镜列表，列表也包括眼镜的最终位置。

有了最终位置以及缩放和旋转的眼镜，我们可以把影片放在一起。我们会为整个gif设置一个持续时间，以及阻止眼镜掉下来的时间，以便我们可以把“deal with it”文本显示在屏幕上。

你会注意到，我使用了一个文本叠加的图像，而不是Pillow内置的文本绘制功能。我这样做是因为Pillow没有内置文本的勾画功能。不勾画，文字在更加明亮的图像上难以辨认。

最后，我需要在MoviePy中创建一个VideoClip对象，并传入动态生成的帧和FPS。

有了这个，我们完成了！

实时动态表情包

现在，我们已经有了一套生成gif的基础代码，改写代码实时地与摄像头协同工作并不困难。

我们可以使用OpenCV作为源图像，并用计数器追踪动画，而不是从命令行加载源图像。这样做的新代码非常简单，核心代码：

这创建了一个计数器，并且通过运行了多少帧来追踪时间。使用这个，我们可以让眼镜到最终位置。用户如果按下d键，我们开始动画。

你可以在Github上阅读其余的代码。(https://github.com/burningion/automatic-memes)

下一步

我们已经成功地构建了程序的第一部分，它可以作为一个API来自动生成效果。

把我们程序连接到Django之类的东西，我们可以显示一个网页，允许用户上传他们自己的图像，并得到完整的效果。

像youtube-dl这样的东西，我们可以让用户粘贴YouTube的网址视频来自动生成效果。

很酷吧，要不要自己试一试？

英文原文：https://dev.to/burningion/deal-with-it-in-python-with-face-detection-chi

译者：张新英