C++ OpenCV Contrib模块LBF人脸特征点检测
学更好的别人,
做更好的自己。
——《微卡智享》
本文长度为3322字,预计阅读9分钟
前言
《OpenCV源码Android端编译,用时三天,我编了个寂寞。。。》文中介绍了编译OpenCV+Contrib模块的编译,虽然Andorid下编译始终没有获得libopencv_java4.so的库,不过在Windows下编译还是正常的,今天主要介绍人脸特征点的检测功能,就用到Contrib模块中的FaceMarkLBF。
实现效果
上面的GIF图中可以看出来,除了第一张多人里面有侧脸的,检测特征点时有点差,基本检测的都还挺不错。文章最后有Demo的GitHub源码地址。
实现方式
# | 思路 |
---|---|
1 | 加载OpenCV DNN和FacemarkLBF的模型(FacemarkLBF在OpenCVr的Contrib模块中) |
2 | 使用DNN人脸检测获取图像中所有人脸的矩形框 |
3 | 调用FaceMarkLBF中的fit针对Mat和上面获得的人脸矩形框进行特征点检测,检测的结果存放为vector<vector<Point2f>>格式。 |
重点说明
微卡智享
01
关于OpenCV配置
使用VS2019编译的OpenCV及Contrib模块的源码后,生成的dll的动态库是VC16了,不是原来的VC15,而且在Debug和Relese都编译了一遍(用处就在正式环境中速度会提高接近10倍),所以会有opencv_world451.dll和opencv_world451d.dll两个动态库。
属性管理器里面也加入Debug和Relese的配置
Debug和Relese的VC++目录还是编译后的OpenCV目录。
链接器中Debug这里填上opencv_world451d.lib,而Relese里就填opencv_world451.lib。
02
DNN人脸检测
同《实践|OpenCV4.2使用DNN进行人脸检测一(图片篇)》文章中一样,已经把DNN的人脸检测单位写在一个类中
原来的detect的函数中我们是在原图上画出红色矩形框,返回的是vector<Mat>的值,因为特征点需要的是vector<Rect>的值,所以又新写了一个函数
bool dnnfacedetect::detectRect(Mat frame, vector<Rect> &rects)
{Mat tmpsrc = frame;// 修改通道数if (tmpsrc.channels() == 4)cvtColor(tmpsrc, tmpsrc, COLOR_BGRA2BGR);// 输入数据调整Mat inputBlob = dnn::blobFromImage(tmpsrc, inScaleFactor,Size(inWidth, inHeight), meanVal, false, false);_net.setInput(inputBlob, "data");//人脸检测Mat detection = _net.forward("detection_out");Mat detectionMat(detection.size[2], detection.size[3],CV_32F, detection.ptr<float>());if (detectionMat.rows <= 0) return false;//检测出的结果进行绘制和存放到dsts中for (int i = 0; i < detectionMat.rows; i++) {//置值度获取float confidence = detectionMat.at<float>(i, 2);//如果大于阈值说明检测到人脸if (confidence > confidenceThreshold) {//计算矩形int xLeftBottom = static_cast<int>(detectionMat.at<float>(i, 3) * tmpsrc.cols);int yLeftBottom = static_cast<int>(detectionMat.at<float>(i, 4) * tmpsrc.rows);int xRightTop = static_cast<int>(detectionMat.at<float>(i, 5) * tmpsrc.cols);int yRightTop = static_cast<int>(detectionMat.at<float>(i, 6) * tmpsrc.rows);//生成矩形存入检测的数组中Rect rect((int)xLeftBottom, (int)yLeftBottom,(int)(xRightTop - xLeftBottom),(int)(yRightTop - yLeftBottom));rects.push_back(rect);}}return true;
}
03
LBF人脸特征点
LBF人脸特征点检测也单独写了一个类,里面也比较简单,构造函数直接加载模型,然后一个检测的函数。
#include "chkfacemark.h"chkfacemark::chkfacemark(string lfmodel)
{_lfbmodel = lfmodel;//创建对象_facemark = FacemarkLBF::create();//加载模型_facemark->loadModel(_lfbmodel);
}chkfacemark::~chkfacemark()
{_facemark.release();
}bool chkfacemark::facemarkdetector(Mat src, vector<Rect> faces, vector<vector<Point2f>> &facemarks)
{return _facemark->fit(src, faces, facemarks);
}
04
多张图片加载
以前的Demo中只是加载了一张图片,这次是直接加了一个目录下的文件。定义了文件目录后,使用cv::glob的函数可以把所有的文件名存放到vector<string>的变量里。
//加载多张图片string picdesc = "E:/DCIM/person/";vector<string> filenames;cv::glob(picdesc, filenames);
然后再循环处理filenames的方法即可。
05
关于图像缩放的问题
上面两个图中可以看到,像素差别好大,如果不用缩放的话,第二张图只能看到左上角的图片,为了解决这个问题,所以写了一个函数用于处理图像绽放的问题。
# | 图像缩放思路 |
---|---|
1 | 设定横向图像的最大宽度、纵向图像的最大高度 |
2 | 根据输入的图像判断是横向还是纵向 |
3 | 横向如果宽度超过最大宽度,按最大宽度除当前宽度算出比例,然后进行Resize的缩放(纵向就是高度超过最大高度处理) |
//计算图像缩放
void MatResize(Mat& frame, int maxwidth, int maxheight)
{double scale;//判断图像是水平还是垂直bool isHorizontal = frame.cols > frame.rows ? true : false;//根据水平还是垂直计算缩放if (isHorizontal) {if (frame.cols > maxwidth) {scale = (double)maxwidth / frame.cols;resize(frame, frame, Size(0, 0), scale, scale);}}else {if (frame.rows > maxheight) {scale = (double)maxheight / frame.rows;resize(frame, frame, Size(0, 0), scale, scale);}}
}
然后在每次读取完图像后先进行缩放处理,即可正常显示了。
比较核心的东西上面都已经讲完了,全部的代码可以访问下面的链接,或是点击最后的阅读原文下载。里面的LBF模型文件还有DNN的模型文件都在代码里面。
源码地址
https://github.com/Vaccae/OpenCVDnnfacedecet.git
完
扫描二维码
获取更多精彩
微卡智享
「 往期文章 」
牛气冲天
OpenCV源码Android端编译,用时三天,我编了个寂寞。。。
.Net5中Swagger采用Attribute方式实现Api隐藏
C++ OpenCV Contrib模块LBF人脸特征点检测相关推荐
- 调用摄像头使用face_recognition 或 opencv中haar人脸特征实时检测识别人脸、给人脸打马赛克/给人脸贴图
日萌社 人工智能AI:Keras PyTorch MXNet TensorFlow PaddlePaddle 深度学习实战(不定时更新) OpenCV:python调用摄像头同时使用OpenCV中自带 ...
- Facial Landmark Detection(人脸特征点检测)
原文地址:http://www.learnopencv.com/facial-landmark-detection/#comment-2471797375 作为计算机视觉研究员,我们很早就开始研究人脸 ...
- 第四篇:基于深度学习的人脸特征点检测 - 数据预处理
在上一篇博文中,我们整理了300-W.LFPW.HELEN.AFW.IBUG和300-VW这6个数据集,使用Python将特征点绘制在对应的图片上,人工验证了数据集的正确性,最终获得了223034个人 ...
- 人脸特征点检测(一)
人脸特征点检测(Facial landmark detection),即人脸特征点定位.人脸对齐(Face Alignment),是在人脸检测的基础上进行的,对人脸上的特征点例如嘴角.眼角等进行定位. ...
- 人脸特征点检测:SDM
<Supervised Descent Method and its Applications to Face Alignment>论文解读 这篇文章发表于CVPR2013,来自于CMU. ...
- PFLD:简单、快速、超高精度人脸特征点检测算法
作者 | 周强(CV君) 来源 | 我爱计算机视觉(公众号id:aicvml) 60s测试:你是否适合转型人工智能? https://edu.csdn.net/topic/ai30?utm_sourc ...
- CPU上跑到 100 fps 的高精度PyTorch人脸特征点检测库
视学算法分享 作者 | cunjian 编译 | CV君 转自 | 我爱计算机视觉 [导读]向大家推荐一款基于PyTorch实现的快速高精度人脸特征点检测库,其在CPU上的运行速度可达100 ...
- ShapeNet:超实时人脸特征点检测与形状拟合开源库
点击我爱计算机视觉标星,更快获取CVML新技术 近日,来自德国亚琛工业大学的研究人员开源了形状拟合库ShapeNet,其可以实现超实时的人脸特征点检测,也可以用在其他任何需要形状拟合的应用场景. 开源 ...
- 『深度学习项目四』基于ResNet101人脸特征点检测
相关文章: [深度学习项目一]全连接神经网络实现mnist数字识别 [深度学习项目二]卷积神经网络LeNet实现minst数字识别 [深度学习项目三]ResNet50多分类任务[十二生肖分类] 『深度 ...
最新文章
- android 之 Intent、broadcast
- oracle+结果拆分,ORACLE字符拆分函數返回結果集
- 搜索引擎学习资源收集
- wpf checkbox选中触发事件_Cypress 可操作事件
- 小白学jquery Mobile《构建跨平台APP:jQuery Mobile移动应用实战》连载四(场景切换)...
- Windows CE创建桌面快捷方式
- ceph怎么搭建文件存储_SUSE专家谈Ceph落地之最佳实践
- 解压ubi文件_请问为什么AM3352 NAND FLASH UBI文件系统挂载失败?
- python matplotlib打开相机
- Hive面试题汇总(2021)
- 多边形的凹凸性判断及python实现
- 好男07演唱会将开唱 劲歌热舞点燃盛夏激情
- 皮外骨伤科病题库【1】
- Duang,Duang,H5 +酷炫效果+干货,此时不收更待何时
- 【微信开发第一章】SpringBoot实现微信公众号创建菜单,同步菜单功能
- 2.2加勒比海盗船 最优装载问题
- 价值投资私募基金三人谈
- 美国国防部(DoD)计划采用敏捷开发
- <CSS3练习> CSS动画综合案例 热点图(含素材)
- 如何让你爱的人爱上你
热门文章
- a标签的target链接跳转指向iframe的方法
- 学习笔记(8):【数据分析】第七周 机器学习-5.性能考核 02
- 在element dialog中使用天地图报错Error in v-on handler: “TypeError: Cannot read property ‘_tdt_events‘ of null
- C++小游戏——种树
- 你好,C++(26)如何与函数内部进行数据交换?5.1.3 函数参数的传递
- 区块链狼人杀:宝二爷、赵东、帅初、易理华,谁是狼人谁是预言家?
- 这位程序员,你知道如何挣到月薪 20000+ 吗?
- python识图 web_python如何调用百度识图api
- 区块链技术如何赋能食品安全链路追溯
- 帝国CMS7.5仿薄荷健康网源码