python 摄像头标定_python 3利用Dlib 19.7实现摄像头人脸检测特征点标定
Python 3 利用 Dlib 19.7 实现摄像头人脸检测特征点标定
0.引言
利用python开发,借助Dlib库捕获摄像头中的人脸,进行实时特征点标定;
图1 工程效果示例(gif)
图2 工程效果示例(静态图片)
(实现比较简单,代码量也比较少,适合入门或者兴趣学习。)
1.开发环境
python: 3.6.3
dlib: 19.7
OpenCv, numpy
import 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
2.源码介绍
其实实现很简单,主要分为两个部分:摄像头调用+人脸特征点标定
2.1 摄像头调用
介绍下opencv中摄像头的调用方法;
利用 cap = cv2.VideoCapture(0) 创建一个对象;
(具体可以参考官方文档)
# 2018-2-26
# By TimeStamp
# cnblogs: http://www.cnblogs.com/AdaminXie
"""
cv2.VideoCapture(), 创建cv2摄像头对象/ open the default camera
Python: cv2.VideoCapture() →
Python: cv2.VideoCapture(filename) →
filename – name of the opened video file (eg. video.avi) or image sequence (eg. img_%02d.jpg, which will read samples like img_00.jpg, img_01.jpg, img_02.jpg, ...)
Python: cv2.VideoCapture(device) →
device – id of the opened video capturing device (i.e. a camera index). If there is a single camera connected, just pass 0.
"""
cap = cv2.VideoCapture(0)
"""
cv2.VideoCapture.set(propId, value),设置视频参数;
propId:
CV_CAP_PROP_POS_MSEC Current position of the video file in milliseconds.
CV_CAP_PROP_POS_FRAMES 0-based index of the frame to be decoded/captured next.
CV_CAP_PROP_POS_AVI_RATIO Relative position of the video file: 0 - start of the film, 1 - end of the film.
CV_CAP_PROP_FRAME_WIDTH Width of the frames in the video stream.
CV_CAP_PROP_FRAME_HEIGHT Height of the frames in the video stream.
CV_CAP_PROP_FPS Frame rate.
CV_CAP_PROP_FOURCC 4-character code of codec.
CV_CAP_PROP_FRAME_COUNT Number of frames in the video file.
CV_CAP_PROP_FORMAT Format of the Mat objects returned by retrieve() .
CV_CAP_PROP_MODE Backend-specific value indicating the current capture mode.
CV_CAP_PROP_BRIGHTNESS Brightness of the image (only for cameras).
CV_CAP_PROP_CONTRAST Contrast of the image (only for cameras).
CV_CAP_PROP_SATURATION Saturation of the image (only for cameras).
CV_CAP_PROP_HUE Hue of the image (only for cameras).
CV_CAP_PROP_GAIN Gain of the image (only for cameras).
CV_CAP_PROP_EXPOSURE Exposure (only for cameras).
CV_CAP_PROP_CONVERT_RGB Boolean flags indicating whether images should be converted to RGB.
CV_CAP_PROP_WHITE_BALANCE_U The U value of the whitebalance setting (note: only supported by DC1394 v 2.x backend currently)
CV_CAP_PROP_WHITE_BALANCE_V The V value of the whitebalance setting (note: only supported by DC1394 v 2.x backend currently)
CV_CAP_PROP_RECTIFICATION Rectification flag for stereo cameras (note: only supported by DC1394 v 2.x backend currently)
CV_CAP_PROP_ISO_SPEED The ISO speed of the camera (note: only supported by DC1394 v 2.x backend currently)
CV_CAP_PROP_BUFFERSIZE Amount of frames stored in internal buffer memory (note: only supported by DC1394 v 2.x backend currently)
value: 设置的参数值/ Value of the property
"""
cap.set(3, 480)
"""
cv2.VideoCapture.isOpened(), 检查摄像头初始化是否成功 / check if we succeeded
返回true或false
"""
cap.isOpened()
"""
cv2.VideoCapture.read([imgage]) -> retval,image, 读取视频 / Grabs, decodes and returns the next video frame
返回两个值:
一个是布尔值true/false,用来判断读取视频是否成功/是否到视频末尾
图像对象,图像的三维矩阵
"""
flag, im_rd = cap.read()
2.2 人脸特征点标定
调用预测器“shape_predictor_68_face_landmarks.dat”进行68点标定,这是dlib训练好的模型,可以直接调用进行人脸68个人脸特征点的标定;
2.3 源码
实现的方法比较简单:
利用 cv2.VideoCapture() 创建摄像头对象,然后利用 flag, im_rd = cv2.VideoCapture.read() 读取摄像头视频,im_rd就是视频中的一帧帧图像;
然后就类似于单张图像进行人脸检测,对这一帧帧的图像im_rd利用dlib进行特征点标定,然后绘制特征点;
你可以按下s键来获取当前截图,或者按下q键来退出摄像头;
# 2018-2-26
# By TimeStamp
# cnblogs: http://www.cnblogs.com/AdaminXie
# github: https://github.com/coneypo/Dlib_face_detection_from_camera
import 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预测器
detector = dlib.get_frontal_face_detector()
predictor = dlib.shape_predictor('shape_predictor_68_face_landmarks.dat')
# 创建cv2摄像头对象
cap = cv2.VideoCapture(0)
# cap.set(propId, value)
# 设置视频参数,propId设置的视频参数,value设置的参数值
cap.set(3, 480)
# 截图screenshoot的计数器
cnt = 0
# cap.isOpened() 返回true/false 检查初始化是否成功
while(cap.isOpened()):
# cap.read()
# 返回两个值:
# 一个布尔值true/false,用来判断读取视频是否成功/是否到视频末尾
# 图像对象,图像的三维矩阵
flag, im_rd = cap.read()
# 每帧数据延时1ms,延时为0读取的是静态帧
k = cv2.waitKey(1)
# 取灰度
img_gray = cv2.cvtColor(im_rd, cv2.COLOR_RGB2GRAY)
# 人脸数rects
rects = detector(img_gray, 0)
#print(len(rects))
# 待会要写的字体
font = cv2.FONT_HERSHEY_SIMPLEX
# 标68个点
if(len(rects)!=0):
# 检测到人脸
for i in range(len(rects)):
landmarks = np.matrix([[p.x, p.y] for p in predictor(im_rd, rects[i]).parts()])
for idx, point in enumerate(landmarks):
# 68点的坐标
pos = (point[0, 0], point[0, 1])
# 利用cv2.circle给每个特征点画一个圈,共68个
cv2.circle(im_rd, pos, 2, color=(0, 255, 0))
# 利用cv2.putText输出1-68
cv2.putText(im_rd, str(idx + 1), pos, font, 0.2, (0, 0, 255), 1, cv2.LINE_AA)
cv2.putText(im_rd, "faces: "+str(len(rects)), (20,50), font, 1, (0, 0, 255), 1, cv2.LINE_AA)
else:
# 没有检测到人脸
cv2.putText(im_rd, "no face", (20, 50), font, 1, (0, 0, 255), 1, cv2.LINE_AA)
# 添加说明
im_rd = cv2.putText(im_rd, "s: screenshot", (20, 400), font, 0.8, (255, 255, 255), 1, cv2.LINE_AA)
im_rd = cv2.putText(im_rd, "q: quit", (20, 450), font, 0.8, (255, 255, 255), 1, cv2.LINE_AA)
# 按下s键保存
if (k == ord('s')):
cnt+=1
cv2.imwrite("screenshoot"+str(cnt)+".jpg", im_rd)
# 按下q键退出
if(k==ord('q')):
break
# 窗口显示
cv2.imshow("camera", im_rd)
# 释放摄像头
cap.release()
# 删除建立的窗口
cv2.destroyAllWindows()
如果对您有帮助,欢迎在GitHub上star本项目。
以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持脚本之家。
python 摄像头标定_python 3利用Dlib 19.7实现摄像头人脸检测特征点标定相关推荐
- 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 ...
- 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 ...
- Haar、pico、npd、dlib等多种人脸检测特征及算法结果比较
原文:opencv.pico.npd.dlib.face++等多种人脸检测算法结果比较 NDP检测结果: 结果分析: Pico(Pixel Intensity Comparison-based Obj ...
- 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 ...
- python dlib 年龄 性别_python dlib学习(一):人脸检测
1.环境安装 Windows: 旧版本安装pip install xxx.whl.以下是whl文件地址: Python Package Index 最新版本安装:不要嫌麻烦,先装上visual ...
- python operator 多属性排序_Python爬取高颜值美女(爬虫+人脸检测+颜值检测)你能打几分?...
1 数据源 知乎话题『美女』下所有问题中回答所出现的图片 2 抓取工具 Python 3,并使用第三方库 Requests.lxml.AipFace,代码共 100 + 行 3 必要环境 Mac / ...
- python爬取美女_Python爬取高颜值美女(爬虫+人脸检测+颜值检测)附学习教程
1 数据源 知乎话题『美女』下所有问题中回答所出现的图片 2 抓取工具 Python 3,并使用第三方库 Requests.lxml.AipFace,代码共 100 + 行 3 必要环境Mac / L ...
- python开源库dlib入门,并进行人脸检测,看看周杰伦和东尼大木到底有多相似?看完本文再不要说,周和东像。。
重点关注:强调一下,这里没有任何侮辱周董的意思,我也是一名Jay迷.只是为了学习,大家见谅..源代码戳这里 开启dlib库的学习 第一步:首先得安装dlib库,这里建议直接下载dlib,不然用pip直 ...
- 利用Google的Vision库实现人脸检测
利用的Google的vision library实现人脸检测功能 本篇文章已授权微信公众号 guolin_blog (郭霖)独家发布 前言 之前写了一篇人脸检测的文章是基于OpenCV的Cascade ...
最新文章
- 计算机二级执行程序,计算机二级VFP程序文件的建立与执行
- 2021年中国计算机视觉人才调研开启啦,诚邀各位开发者们参与~
- ashx获取客户端excel文件_Spring Boot实现导出Excel功能
- freemarker变量自加
- GFS - The Google File System
- 使用Keras和TensorFlow构建深度自动编码器
- 19年8月 字母哥 第五章 静态资源与模板引擎的整合 用热点公司网不行
- JQuery中trim函数的具体实现代码
- OAuth2.0授权协议与客户端授权码模式详解
- kali ip查询_UDP/IP硬件协议栈设计(一):缘起
- C++ ---------------- 成员函数指针揭秘
- CCF201403-5 任务调度(100分题解链接)
- 【CentOS 7】scp示例
- python生成词云图、特殊图形_Python模块---Wordcloud生成词云图
- 解决Centos7网络连接的问题
- dbt2 mysql_2.5.4 数据库测试套件中的dbt2 TPC-C 测试
- 我的职业生涯(五) 告别六天工作制
- Kali 开机报错解决方案
- eChat(微聊天)
- 博客中可用的Emoji表情符号集,拿走不谢❤️❣️
热门文章
- 中国程序员 VS 印度程序员,太有味了...
- 电脑主机,晚上就煎肉,把隔壁宿舍都馋哭了!
- 《c语言从入门到精通》看书笔记——第16章 网络套接字编程(上)——网络
- wpf的tabcontrol获取当前选中的名字_技巧:ANSA中如何快速批量修改PID名字
- 配置mysql读写主从_Mysql主从配置,实现读写分离
- lacp静态和动态区别_lacp静态与动态区别
- select2 属性标签整理
- 【转】蓝牙技术及其系统原理
- GetWindowText和GetDlgItemText的区别
- 小众的分布式版本管理工具Code Co-op