现在的人脸识别技术已经得到了非常广泛的应用,支付领域、身份验证、美颜相机里都有它的应用。用iPhone的同学们应该对下面的功能比较熟悉
iPhone的照片中有一个“人物”的功能,能够将照片里的人脸识别出来并分类,背后的原理也是人脸识别技术。
这篇文章主要介绍怎样用Python实现人脸检测。人脸检测是人脸识别的基础。人脸检测的目的是识别出照片里的人脸并定位面部特征点,人脸识别是在人脸检测的基础上进一步告诉你这个人是谁。
好了,介绍就到这里。接下来,开始准备我们的环境。
准备工作
本文的人脸检测基于dlib,dlib依赖Boost和cmake,所以首先需要安装这些包,以Ubuntu为例:
1
2
3
|
$ sudo apt - get install build - essential cmake
$ sudo apt - get install libgtk - 3 - dev
$ sudo apt - get install libboost - all - dev
|
我们的程序中还用到numpy,opencv,所以也需要安装这些库:
1
2
3
4
|
$ pip install numpy
$ pip install scipy
$ pip install opencv - python
$ pip install dlib
|
人脸检测基于事先训练好的模型数据,从这里可以下到模型数据
http://dlib.net/files/shape_predictor_68_face_landmarks.dat.bz2
下载到本地路径后解压,记下解压后的文件路径,程序中会用到。
dlib的人脸特征点
上面下载的模型数据是用来估计人脸上68个特征点(x, y)的坐标位置,这68个坐标点的位置如下图所示
我们的程序将包含两个步骤:
第一步,在照片中检测人脸的区域
第二部,在检测到的人脸区域中,进一步检测器官(眼睛、鼻子、嘴巴、下巴、眉毛)
人脸检测代码
我们先来定义几个工具函数:
1
2
3
4
5
6
|
def rect_to_bb(rect):
x = rect.left()
y = rect.top()
w = rect.right() - x
h = rect.bottom() - y
return (x, y, w, h)
|
这个函数里的rect是dlib脸部区域检测的输出。这里将rect转换成一个序列,序列的内容是矩形区域的边界信息。
1
2
3
4
5
|
def shape_to_np(shape, dtype = "int" ):
coords = np.zeros(( 68 , 2 ), dtype = dtype)
for i in range ( 0 , 68 ):
coords[i] = (shape.part(i).x, shape.part(i).y)
return coords
|
这个函数里的shape是dlib脸部特征检测的输出,一个shape里包含了前面说到的脸部特征的68个点。这个函数将shape转换成Numpy array,为方便后续处理。
1
2
3
4
5
|
def resize(image, width = 1200 ):
r = width * 1.0 / image.shape[ 1 ]
dim = (width, int (image.shape[ 0 ] * r))
resized = cv2.resize(image, dim, interpolation = cv2.INTER_AREA)
return resized
|
这个函数里的image就是我们要检测的图片。在人脸检测程序的最后,我们会显示检测的结果图片来验证,这里做resize是为了避免图片过大,超出屏幕范围。
接下来,开始我们的主程序部分
1
2
3
4
5
6
7
8
|
import sys import numpy as np
import dlib import cv2
if len (sys.argv) < 2 :
print "Usage: %s <image file>" % sys.argv[ 0 ]
sys.exit( 1 )
image_file = sys.argv[ 1 ]
detector = dlib.get_frontal_face_detector()
predictor = dlib.shape_predictor( "shape_predictor_68_face_landmarks.dat" )
|
我们从sys.argv[1]参数中读取要检测人脸的图片,接下来初始化人脸区域检测的detector和人脸特征检测的predictor。shape_predictor中的参数就是我们之前解压后的文件的路径。
1
2
3
4
|
image = cv2.imread(image_file)
image = resize(image, width = 1200 )
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
rects = detector(gray, 1 )
|
在检测特征区域前,我们先要检测人脸区域。这段代码调用opencv加载图片,resize到合适的大小,转成灰度图,最后用detector检测脸部区域。因为一张照片可能包含多张脸,所以这里得到的是一个包含多张脸的信息的数组rects。
1
2
3
4
5
6
7
8
9
10
|
for (i, rect) in enumerate (rects):
shape = predictor(gray, rect)
shape = shape_to_np(shape)
(x, y, w, h) = rect_to_bb(rect)
cv2.rectangle(image, (x, y), (x + w, y + h), ( 0 , 255 , 0 ), 2 )
cv2.putText(image, "Face #{}" . format (i + 1 ), (x - 10 , y - 10 ), cv2.FONT_HERSHEY_SIMPLEX, 0.5 , ( 0 , 255 , 0 ), 2 )
for (x, y) in shape:
cv2.circle(image, (x, y), 2 , ( 0 , 0 , 255 ), - 1 )
cv2.imshow( "Output" , image)
cv2.waitKey( 0 )
|
对于每一张检测到的脸,我们进一步检测脸部的特征(鼻子、眼睛、眉毛等)。对于脸部区域,我们用绿色的框在照片上标出;对于脸部特征,我们用红色的点标出来。
最后我们把加了检测标识的照片显示出来,waitKey(0)表示按任意键可退出程序。
以上是我们程序的全部
测试
接下来是令人兴奋的时刻,检验我们结果的时刻到来了。
下面是原图
下面是程序识别的结果
可以看到脸部区域被绿色的长方形框起来了,脸上的特征(鼻子,眼睛等)被红色点点标识出来了。
总结
以上所述是小编给大家介绍的50行Python代码实现人脸检测功能,希望对大家有所帮助,如果大家有任何疑问请给我留言,小编会及时回复大家的。在此也非常感谢大家对服务器之家网站的支持!
原文链接:http://developer.51cto.com/art/201801/564529.htm