Python3结合Dlib实现人脸识别和剪切

时间:2022-05-16 08:55:43

0.引言

利用python开发,借助Dlib库进行人脸识别,然后将检测到的人脸剪切下来,依次排序显示在新的图像上;

实现的效果如下图所示,将图1原图中的6张人脸检测出来,然后剪切下来,在图像窗口中依次输出显示人脸;

实现比较简单,代码量也比较少,适合入门或者兴趣学习。

Python3结合Dlib实现人脸识别和剪切

图1 原图和处理后得到的图像窗口

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.设计流程

工作内容主要以下两大块:dlib人脸检测 和 绘制新图像

2.1 dlib人脸检测:

dlib的使用,在我之前另一篇博客里面介绍过;

2.2 绘制新图像:

2.2.1 确定空白图像尺寸

这部分首先要根据检测到的人脸数和人脸大小,来确定绘制图像所需要的尺寸:      

多张人脸要输出到一行,先进行一次人脸的遍历,记每张人脸的尺寸为height*width(高度和宽度说明见图2),

我取的生成图像的尺寸:height_max(最大高度)和width_sum(宽度之和),然后根据尺寸大小来新建空白图像:

img_blank = np.zeros((height_max, width_sum, 3), np.uint8)

2.2.2 图像填充

然后再进行一次人脸遍历,这次进行空白图像img_blank进行填充:

for i in range(height):
for j in range(width):
img_blank[i][blank_start+j] = img[d.top()+i][d.left()+j]

  Python3结合Dlib实现人脸识别和剪切

图2 图像尺寸说明

如果想访问图像的某点像素,可以利用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);

3.源码

  1. # 2018-01-22 
  2. # By TimeStamp 
  3. # #cnblogs: http://www.cnblogs.com/AdaminXie/ 
  4. import dlib  # 人脸识别的库dlib 
  5. import numpy as np # 数据处理的库numpy 
  6. import cv2  # 图像处理的库OpenCv 
  7. # dlib预测器 
  8. detector = dlib.get_frontal_face_detector() 
  9. predictor = dlib.shape_predictor('shape_predictor_68_face_landmarks.dat'
  10. # 读取图像 
  11. path = "F:/code/python/***/pic/" 
  12. img = cv2.imread(path+"test.jpg"
  13. #print("img/shape:", img.shape) 
  14. # dlib检测 
  15. dets = detector(img, 1) 
  16. print("人脸数:", len(dets)) 
  17. # 记录人脸矩阵大小 
  18. height_max = 0 
  19. width_sum = 0 
  20. # 计算要生成的图像img_blank大小 
  21. for k, d in enumerate(dets): 
  22. # 计算矩形大小 
  23. # (x,y), (宽度width, 高度height) 
  24. pos_start = tuple([d.left(), d.top()]) 
  25. pos_end = tuple([d.right(), d.bottom()]) 
  26. # 计算矩形框大小 
  27. height = d.bottom()-d.top() 
  28. width = d.right()-d.left() 
  29. # 处理宽度 
  30. width_sum += width 
  31. # 处理高度 
  32. if height > height_max: 
  33. height_max = height 
  34. else
  35. height_max = height_max 
  36. # 绘制用来显示人脸的图像的大小 
  37. print("img_blank的大小:"
  38. print("高度", height_max, "宽度", width_sum)  
  39. # 生成用来显示的图像 
  40. img_blank = np.zeros((height_max, width_sum, 3), np.uint8) 
  41. # 记录每次开始写入人脸像素的宽度位置 
  42. blank_start = 0  
  43. # 将人脸填充到img_blank 
  44. for k, d in enumerate(dets): 
  45. height = d.bottom()-d.top() 
  46. width = d.right()-d.left() 
  47. # 填充 
  48. for i in range(height): 
  49. for j in range(width): 
  50. img_blank[i][blank_start+j] = img[d.top()+i][d.left()+j] 
  51. # 调整图像 
  52. blank_start += width 
  53. cv2.namedWindow("img_faces", 2) 
  54. cv2.imshow("img_faces", img_blank) 
  55. cv2.waitKey(0) 

结果:

 Python3结合Dlib实现人脸识别和剪切

图3 原图和处理后得到的图像窗口

以上就是本次我们介绍的关于Python3结合Dlib实现人脸识别和剪切的相关技术内容,大家如果在学习后还有任何不明白的地方可以在下方的留言区讨论。

原文链接:https://www.cnblogs.com/AdaminXie/p/8339863.html