Python 3 利用 Dlib 19.7 實現人臉檢測和剪下
0.引言
利用python開發,藉助Dlib庫進行人臉檢測/face detection;
1. dlib_cut_faces.py :
將檢測到的人臉剪下下來,依次排序顯示在新的影象上;
實現的效果如圖1所示,將圖1原圖中的6張人臉檢測出來,然後剪下下來,在影象視窗中依次輸出顯示人臉;
2. dlib_cut_faces_save.py:
將檢測到的人臉生成單個jpg,儲存到本地路徑;
(實現比較簡單,程式碼量也比較少,適合入門或者興趣學習。)
圖1 原圖和dlib_cut_faces.py處理後得到的影象視窗
圖2 dlib_cut_faces_save.py處理後得到單個人臉影象們
1.開發環境
python: 3.6.3
dlib: 19.7
OpenCv, numpy
1 import dlib # 人臉識別的庫dlib 2 import numpy as np # 資料處理的庫numpy 3 import cv2 # 影象處理的庫OpenCv
2.設計流程
工作內容主要以下兩大塊:dlib人臉檢測 和 繪製新影象
2.1 dlib人臉檢測
dlib的使用,在我之前另一篇部落格裡面介紹過
1 # dlib檢測器 2 detector = dlib.get_frontal_face_detector() 3 predictor = dlib.shape_predictor('shape_predictor_68_face_landmarks.dat') 4 5 # 讀取影象 6 path = "F:/***/pic/" 7 img = cv2.imread(path+"test_faces_6.jpg") 8 #print("img/shape:", img.shape) 9 10 # dlib檢測 11 dets = detector(img, 1) 12 13print("人臉數:", len(dets))
接下來需要得到人臉的座標,用來計算人臉矩形的高度和寬度。
2.2 繪製新影象
如果你想讓人臉並排顯示的話,稍微麻煩一點,需要遍歷兩次dets(for k, d in enumerate (dets)):
第一次遍歷:記錄下我們需要生成的影象視窗的大小,因為需要將多張照片顯示在一張影象上,所以需要知道每張人臉照片的大小;
第二次遍歷:根據之前得到的影象尺寸新建空白影象,然後開始用人臉矩形填充影象;
2.2.1 確定空白影象尺寸
(這部分首先要根據檢測到的人臉數和人臉大小,來確定繪製圖像所需要的尺寸)
第一次遍歷:多張人臉要輸出到一行,所以先進行一次人臉的遍歷j記下每張人臉的大小,記每張人臉的尺寸為 高度height *寬度width(高度和寬度說明見圖3):
圖3 影象尺寸說明
我取的生成空白影象的尺寸:height_max(最大高度)和width_sum(寬度之和),然後根據尺寸大小來新建空白影象:
1 img_blank = np.zeros((height_max, width_sum, 3), np.uint8)
圖4 影象尺寸height_max和width_sum
2.2.2 影象填充
第二次遍歷:多根據之前得到的影象尺寸新建空白影象,然後開始用人臉矩形填充影象,每次width方向從blank_start位置開始,每次填完一張之後記得更新起始位置:(blank_start += width):
1 for i in range(height): 2 for j in range(width): 3 img_blank[i][blank_start + j] = img[d.top() + i][d.left() + j]
如果想訪問影象的某點畫素,可以利用img[height][width]:
儲存畫素其實是一個三維陣列,先高度height,然後寬度width;
返回的是一個顏色陣列(0-255,0-255,0-255),按照(B, G, R)的順序;
比如 藍色就是(255,0,0),紅色是(0,0,255);
3.原始碼
3.1 dlib_cut_faces.py
1 # 2018-01-22 2 # By TimeStamp 3 # #cnblogs: http://www.cnblogs.com/AdaminXie/ 4 5 import dlib # 人臉識別的庫dlib 6 import numpy as np # 資料處理的庫numpy 7 import cv2 # 影象處理的庫OpenCv 8 9 # dlib預測器 10 detector = dlib.get_frontal_face_detector() 11 predictor = dlib.shape_predictor('shape_predictor_68_face_landmarks.dat') 12 13 # 讀取影象 14 path = "F:/code/python/***/pic/" 15 img = cv2.imread(path+"test.jpg") 16 #print("img/shape:", img.shape) 17 18 # dlib檢測 19 dets = detector(img, 1) 20 21 print("人臉數:", len(dets)) 22 23 # 記錄人臉矩陣大小 24 height_max = 0 25 width_sum = 0 26 27 # 計算要生成的影象img_blank大小 28 for k, d in enumerate(dets): 29 30 # 計算矩形大小 31 # (x,y), (寬度width, 高度height) 32 pos_start = tuple([d.left(), d.top()]) 33 pos_end = tuple([d.right(), d.bottom()]) 34 35 # 計算矩形框大小 36 height = d.bottom()-d.top() 37 width = d.right()-d.left() 38 39 # 處理寬度 40 width_sum += width 41 42 # 處理高度 43 if height > height_max: 44 height_max = height 45 else: 46 height_max = height_max 47 48 # 繪製用來顯示人臉的影象的大小 49 print("img_blank的大小:") 50 print("高度", height_max, "寬度", width_sum) 51 52 # 生成用來顯示的影象 53 img_blank = np.zeros((height_max, width_sum, 3), np.uint8) 54 55 # 記錄每次開始寫入人臉畫素的寬度位置 56 blank_start = 0 57 58 # 將人臉填充到img_blank 59 for k, d in enumerate(dets): 60 61 height = d.bottom()-d.top() 62 width = d.right()-d.left() 63 64 # 填充 65 for i in range(height): 66 for j in range(width): 67 img_blank[i][blank_start+j] = img[d.top()+i][d.left()+j] 68 # 更新讀取影象起始位置 69 blank_start += width 70 71 cv2.namedWindow("img_faces", 2) 72 cv2.imshow("img_faces", img_blank) 73 cv2.waitKey(0)
結果:
圖5 原圖和處理後得到的影象視窗
3.2 dlib_cut_faces_save.py
如果你想將識別出來的人臉儲存成單個的jpg,方便之後處理用,只需將上述程式碼進行略微修改;
只需一次遍歷,根據每次檢測到的人臉尺寸,新建空白影象後寫入,然後利用cv2.imwrite寫入到本地:
1 # 2018-01-24 2 # By TimeStamp 3 # #cnblogs: http://www.cnblogs.com/AdaminXie/ 4 5 import dlib # 人臉識別的庫dlib 6 import numpy as np # 資料處理的庫numpy 7 import cv2 # 影象處理的庫OpenCv 8 9 # dlib預測器 10 detector = dlib.get_frontal_face_detector() 11 predictor = dlib.shape_predictor('shape_predictor_68_face_landmarks.dat') 12 13 # 讀取影象的路徑 14 path_read = "F:/************/pic/" 15 img = cv2.imread(path_read+"test.jpg") 16 17 # 用來儲存生成的單張人臉的路徑 18 path_save = "F:/**********/pic/" 19 20 # dlib檢測 21 dets = detector(img, 1) 22 23 print("人臉數:", len(dets)) 24 25 for k, d in enumerate(dets): 26 27 # 計算矩形大小 28 # (x,y), (寬度width, 高度height) 29 pos_start = tuple([d.left(), d.top()]) 30 pos_end = tuple([d.right(), d.bottom()]) 31 32 # 計算矩形框大小 33 height = d.bottom()-d.top() 34 width = d.right()-d.left() 35 36 # 根據人臉大小生成空的影象 37 img_blank = np.zeros((height, width, 3), np.uint8) 38 39 for i in range(height): 40 for j in range(width): 41 img_blank[i][j] = img[d.top()+i][d.left()+j] 42 43 cv2.imshow("face_"+str(k+1), img_blank) 44 cv2.imwrite(path_save+"img_face_"+str(k+1)+".jpg", img_blank) 45 46 cv2.waitKey(0)