綜述

最近在做計算機視覺的一些基礎訓練，用opencv做了做人臉檢測。
注意opencv的人臉檢測不是基於深度學習的。後期我還做了用tensorflow搞人臉識別的demo，到時候再發一下。

環境

mac os
pycharm
使用opencv3

程式碼

這是人臉檢測的程式碼：原理是基於特徵不變數來搞的

# -*- coding: utf-8 -*-

#作者資訊：山東大學基地班frankdura

import sys
import dlib
import cv2
f = 'b.jpg'
detector = dlib.get_frontal_face_detector() #獲取人臉分類器
 


    # 傳入的命令列引數
    # opencv 讀取圖片，並顯示
img = cv2.imread(f, cv2.IMREAD_COLOR)

    # 摘自官方文件：
    # image is a numpy ndarray containing either an 8bit grayscale or RGB image.
    # 將影象作為一個數組
    # opencv讀入的圖片預設是bgr格式，我們需要將其轉換為rgb格式；都是numpy的ndarray類。
b, g, r = cv2.split(img)    # 分離三個顏色通道
img2 = cv2.merge
 
([r, g, b])   # 融合三個顏色通道生成新圖片
dets = detector(img, 1) #使用detector進行人臉檢測 dets為返回的結果
print("Number of faces detected: {}".format(len(dets)))  # 列印識別到的人臉個數
    # enumerate是一個Python的內建方法，用於遍歷索引
    # index是序號；face是dets中取出的dlib.rectangle類的物件，包含了人臉的區域等資訊
    # left()、top()、right()、bottom()都是dlib.rectangle類的方法，對應矩形四條邊的位置
 

for index, face in enumerate(dets):
    print('face {}; left {}; top {}; right {}; bottom {}'.format(index, face.left(), face.top(), face.right(), face.bottom()))
        # 在圖片中標註人臉，並顯示
    left = face.left()
    top = face.top()
    right = face.right()
    bottom = face.bottom()
    #這個命令是設定畫一個框圖
    cv2.rectangle(img, (left, top), (right, bottom), (0, 255, 0), 3)
    cv2.namedWindow(f, cv2.WINDOW_AUTOSIZE)
    cv2.imshow(f, img)

# 等待按鍵，隨後退出，銷燬視窗
k = cv2.waitKey(0)
cv2.destroyAllWindows()

這是人臉特徵點識別的程式碼

# -*- coding: utf-8 -*-
# 作者資訊：山東大學計算機基地frankdura
import sys
import dlib
import cv2
import os

current_path = os.getcwd()  # 獲取當前路徑
predictor_path = current_path + "/model/shape_predictor_68_face_landmarks.dat"  # shape_predictor_68_face_landmarks.dat是進行人臉標定的模型，它是基於HOG特徵的，這裡是他所在的路徑
face_directory_path = current_path + "/faces/"    # 存放人臉圖片的路徑

detector = dlib.get_frontal_face_detector() #獲取人臉分類器
predictor = dlib.shape_predictor(predictor_path)    # 獲取人臉檢測器
con = ['a.jpg']
# 傳入的命令列引數
for f in con:
    # 圖片路徑，目錄+檔名
    face_path = face_directory_path + f
    print(face_path)
    # opencv 讀取圖片，並顯示
    img = cv2.imread(f, cv2.IMREAD_COLOR)

    # 摘自官方文件：
    # image is a numpy ndarray containing either an 8bit grayscale or RGB image.
    # opencv讀入的圖片預設是bgr格式，我們需要將其轉換為rgb格式；都是numpy的ndarray類。
    b, g, r = cv2.split(img)    # 分離三個顏色通道
    #
    img2 = cv2.merge([r, g, b])   # 融合三個顏色通道生成新圖片

    dets = detector(img, 1) #使用detector進行人臉檢測 dets為返回的結果
    print("Number of faces detected: {}".format(len(dets)))   # 列印識別到的人臉個數
    # enumerate是一個Python的內建方法，用於遍歷索引
    # index是序號；face是dets中取出的dlib.rectangle類的物件，包含了人臉的區域等資訊
    # left()、top()、right()、bottom()都是dlib.rectangle類的方法，對應矩形四條邊的位置
    for index, face in enumerate(dets):
        print('face {}; left {}; top {}; right {}; bottom {}'.format(index, face.left(), face.top(), face.right(), face.bottom()))

        # 這裡不需要畫出人臉的框了
        # left = face.left()
        # top = face.top()
        # right = face.right()
        # bottom = face.bottom()
        # cv2.rectangle(img, (left, top), (right, bottom), (0, 255, 0), 3)
        # cv2.namedWindow(f, cv2.WINDOW_AUTOSIZE)
        # cv2.imshow(f, img)

        shape = predictor(img, face)  # 尋找人臉的68個標定點
        # print(shape)
        # print(shape.num_parts)
        # 遍歷所有點，打印出其座標，並用藍色的圈表示出來
        for index, pt in enumerate(shape.parts()):
            print('Part {}: {}'.format(index, pt))
            pt_pos = (pt.x, pt.y)
            cv2.circle(img, pt_pos, 2, (255, 0, 0), 1)

        # 在新視窗中顯示
        cv2.namedWindow(f, cv2.WINDOW_AUTOSIZE)
        cv2.imshow(f, img)

# 等待按鍵，隨後退出，銷燬視窗
k = cv2.waitKey(0)
cv2.destroyAllWindows()