鄭州_Python培訓(xùn)代碼實(shí)現(xiàn)人臉檢測

來源：奇酷教育發(fā)表于：2019-02-12 10:10:49

　　這篇文章主要介紹怎樣用Python培訓(xùn)實(shí)現(xiàn)人臉檢測。人臉檢測是人臉識別的基礎(chǔ)。人臉檢測的目的是識別出照片里的人臉并定位面部特征點(diǎn)，人

　　這篇文章主要介紹怎樣用Python培訓(xùn)實(shí)現(xiàn)人臉檢測。人臉檢測是人臉識別的基礎(chǔ)。人臉檢測的目的是識別出照片里的人臉并定位面部特征點(diǎn)，人臉識別是在人臉檢測的基礎(chǔ)上進(jìn)一步告訴你這個(gè)人是誰。

　　本文的人臉檢測基于dlib，dlib依賴Boost和cmake，所以首先需要安裝這些包，以Ubuntu為例：

　　1.$ sudo apt-get install build-essential cmake

　　2.
3.$ sudo apt-get install libgtk-3-dev

　　
4.$ sudo apt-get install libboost-all-dev
5.

　　我們的程序中還用到numpy，opencv，所以也需要安裝這些庫：

　　$ pip install numpy

　　$ pip install scipy

　　$ pip install opencv-python

　　$ pip install dlib

　　人臉檢測基于事先訓(xùn)練好的模型數(shù)據(jù)，從這里可以下到模型數(shù)據(jù)

　　http://dlib.net/files/shape_predictor_68_face_landmarks.dat.bz2

　　下載到本地路徑后解壓，記下解壓后的文件路徑，程序中會用到。

　　dlib的人臉特征點(diǎn)

　　上面下載的模型數(shù)據(jù)是用來估計(jì)人臉上68個(gè)特征點(diǎn)(x, y)的坐標(biāo)位置，這68個(gè)坐標(biāo)點(diǎn)的位置如下圖所示：

　　我們的程序?qū)瑑蓚€(gè)步驟：

　　第一步，在照片中檢測人臉的區(qū)域

　　第二部，在檢測到的人臉區(qū)域中，進(jìn)一步檢測器官（眼睛、鼻子、嘴巴、下巴、眉毛）

　　人臉檢測代碼

　　我們先來定義幾個(gè)工具函數(shù)：

　　def rect_to_bb(rect):

　　x = rect.left()

　　y = rect.top()

　　w = rect.right() - x

　　h = rect.bottom() - y

　　return (x, y, w, h)

　　這個(gè)函數(shù)里的rect是dlib臉部區(qū)域檢測的輸出。這里將rect轉(zhuǎn)換成一個(gè)序列，序列的內(nèi)容是矩形區(qū)域的邊界信息。

　　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

　　這個(gè)函數(shù)里的shape是dlib臉部特征檢測的輸出，一個(gè)shape里包含了前面說到的臉部特征的68個(gè)點(diǎn)。這個(gè)函數(shù)將shape轉(zhuǎn)換成Numpy array，為方便后續(xù)處理。

　　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

　　這個(gè)函數(shù)里的image就是我們要檢測的圖片。在人臉檢測程序的最后，我們會顯示檢測的結(jié)果圖片來驗(yàn)證，這里做resize是為了避免圖片過大，超出屏幕范圍。

　　接下來，開始我們的主程序部分

　　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")

　　我們從sys.argv[1]參數(shù)中讀取要檢測人臉的圖片，接下來初始化人臉區(qū)域檢測的detector和人臉特征檢測的predictor。shape_predictor中的參數(shù)就是我們之前解壓后的文件的路徑。

　　image = cv2.imread(image_file)

　　image = resize(image, width=1200)

　　gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

　　rects = detector(gray, 1)

　　在檢測特征區(qū)域前，我們先要檢測人臉區(qū)域。這段代碼調(diào)用opencv加載圖片，resize到合適的大小，轉(zhuǎn)成灰度圖，最后用detector檢測臉部區(qū)域。因?yàn)橐粡堈掌赡馨鄰埬?，所以這里得到的是一個(gè)包含多張臉的信息的數(shù)組rects。

　　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)

　　對于每一張檢測到的臉，我們進(jìn)一步檢測臉部的特征（鼻子、眼睛、眉毛等）。對于臉部區(qū)域，我們用綠色的框在照片上標(biāo)出；對于臉部特征，我們用紅色的點(diǎn)標(biāo)出來。

　　最后我們把加了檢測標(biāo)識的照片顯示出來，waitKey(0)表示按任意鍵可退出程序。