如何利用OpenCV dlib實(shí)現(xiàn)人臉采集

本篇內(nèi)容主要講解“如何利用OpenCV dlib實(shí)現(xiàn)人臉采集”，感興趣的朋友不妨來看看。本文介紹的方法操作簡單快捷，實(shí)用性強(qiáng)。下面就讓小編來帶大家學(xué)習(xí)“如何利用OpenCV dlib實(shí)現(xiàn)人臉采集”吧!

1. 效果圖

先上一張檢測(cè)完的圖：

也可以每一部分先標(biāo)識(shí)出來：

2. 原理

面部標(biāo)志主要是： 口 右眉 左眉 右眼 左眼 鼻子 下顎線
這一節(jié)即提取這些部分；

從圖中可以看到假設(shè)是以0為下標(biāo)的數(shù)組：

嘴唇可以認(rèn)為是： points [48, 68]. 內(nèi)嘴唇：[60,68]
右眉毛 points [17, 22].
左眉毛 points [22, 27].
右眼 [36, 42].
左眼 [42, 48].
鼻子 [27, 35].
下頜 [0, 17].

已經(jīng)知道下標(biāo)，數(shù)組切片，并用不同的顏色來標(biāo)識(shí)各個(gè)部位，imutils包，可以幫助我們更優(yōu)雅的寫代碼的包；已經(jīng)有封裝好方法face_utils 。
嘴唇等是閉合區(qū)域，用閉合的凸包表示，下頜用線勾勒；

面部標(biāo)志檢測(cè)返回結(jié)果是：68個(gè)（x，y）坐標(biāo)：
（1）先轉(zhuǎn)為適合OpenCV處理的 Numpy array，
（2）數(shù)組切片，用不同的顏色標(biāo)識(shí)不同的面部結(jié)構(gòu)部分；

3. 源碼

# 安裝了dlib
# imutils 是最新的版本
# python detect_face_parts.py --shape-predictor shape_predictor_68_face_landmarks.dat --image images/girl.jpg

from imutils import face_utils
import numpy as np
import argparse
import imutils
import dlib
import cv2
import shutil
import os

# 構(gòu)建命令行參數(shù)
# --shape-predictor 必須 形狀檢測(cè)器位置
# --image 必須 待檢測(cè)的圖片
ap = argparse.ArgumentParser()
ap.add_argument("-p", "--shape-predictor", required=True,
                help="path to facial landmark predictor")
ap.add_argument("-i", "--image", required=True,
                help="path to input image")
args = vars(ap.parse_args())

temp_dir = "temp"
shutil.rmtree(temp_dir, ignore_errors=True)
os.makedirs(temp_dir)

# 初始化dlib中基于HOG的面部檢測(cè)器,及形狀預(yù)測(cè)器
detector = dlib.get_frontal_face_detector()
predictor = dlib.shape_predictor(args["shape_predictor"])

# 加載待檢測(cè)的圖片,resize,并且裝換為灰度圖
image = cv2.imread(args["image"])
image = imutils.resize(image, width=500)
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

# 在灰度圖中檢測(cè)面部
rects = detector(gray, 1)

# 循環(huán)檢測(cè)到的面部
num = 0
for (i, rect) in enumerate(rects):
    # 確定面部區(qū)域進(jìn)行面部標(biāo)志檢測(cè),并將其檢測(cè)到的68個(gè)點(diǎn)轉(zhuǎn)換為方便python處理的Numpy array
    shape = predictor(gray, rect)
    shape = face_utils.shape_to_np(shape)

    # 循環(huán)遍歷面部標(biāo)志獨(dú)立的每一部分
    for (name, (i, j)) in face_utils.FACIAL_LANDMARKS_IDXS.items():

        # 復(fù)制一張?jiān)紙D的拷貝,以便于繪制面部區(qū)域,及其名稱
        clone = image.copy()
        cv2.putText(clone, name, (10, 30), cv2.FONT_HERSHEY_SIMPLEX,
                    0.7, (0, 0, 255), 2)

        # 遍歷獨(dú)立的面部標(biāo)志的每一部分包含的點(diǎn),并畫在圖中
        for (x, y) in shape[i:j]:
            cv2.circle(clone, (x, y), 1, (0, 0, 255), -1)
            # 要實(shí)際提取每個(gè)面部區(qū)域，我們只需要計(jì)算與特定區(qū)域關(guān)聯(lián)的（x，y）坐標(biāo)的邊界框，并使用NumPy數(shù)組切片來提取它：
            (x, y, w, h) = cv2.boundingRect(np.array([shape[i:j]]))
            roi = image[y:y + h, x:x + w]

            # resize ROI區(qū)域?yàn)?nbsp;寬度250,以便于更好的可視化
            roi = imutils.resize(roi, width=250, inter=cv2.INTER_CUBIC)

            # 展示獨(dú)立的面部標(biāo)志
            cv2.imshow("ROI", roi)
            cv2.imshow("Image", clone)
            cv2.waitKey(0)

        num = num + 1
        p = os.path.sep.join([temp_dir, "{}.jpg".format(
            str(num).zfill(8))])
        print('p: ', p)
        cv2.imwrite(p, output)

    # 應(yīng)用visualize_facial_landmarks 功能為每個(gè)面部部位創(chuàng)建透明的覆蓋層。(transparent overlay)
    output = face_utils.visualize_facial_landmarks(image, shape)
    cv2.imshow("Image", output)
    cv2.waitKey(0)

到此，相信大家對(duì)“如何利用OpenCV dlib實(shí)現(xiàn)人臉采集”有了更深的了解，不妨來實(shí)際操作一番吧！這里是億速云網(wǎng)站，更多相關(guān)內(nèi)容可以進(jìn)入相關(guān)頻道進(jìn)行查詢，關(guān)注我們，繼續(xù)學(xué)習(xí)！