自拍偷在线精品自拍偷,亚洲欧美中文日韩v在线观看不卡

關(guān)于OpenCV for Python入門之Dlib實(shí)現(xiàn)人臉檢測

作者：一只小小鳥鳥
人工智能 人臉識別
使用dlib可以大大簡化開發(fā)，比如人臉識別，特征點(diǎn)檢測之類的工作都可以很輕松實(shí)現(xiàn)。同時(shí)也有很多基于dlib開發(fā)的應(yīng)用和開源庫，比如face_recogintion庫（應(yīng)用一個(gè)基于Python的開源人臉識別庫，face_recognition）等等。

Dlib 是用編程語言 C ++編寫的通用跨平臺軟件庫。它的設(shè)計(jì)深受來自契約式設(shè)計(jì)和基于組件的軟件工程的思想的影響。因此，首先也是最重要的是一組獨(dú)立的軟件組件。這是一個(gè)加速軟件許可證下發(fā)布的開源軟件。

Dlib包含用于處理網(wǎng)絡(luò)，線程，圖形用戶界面，數(shù)據(jù)結(jié)構(gòu)，線性代數(shù)，機(jī)器學(xué)習(xí)，圖像處理，數(shù)據(jù)挖掘，XML 和文本解析，數(shù)值優(yōu)化，貝葉斯網(wǎng)絡(luò)以及許多其他任務(wù)的軟件組件。近年來，許多開發(fā)工作都集中在創(chuàng)建廣泛的統(tǒng)計(jì)機(jī)器學(xué)習(xí)工具上。2009 年，Dlib 發(fā)表在機(jī)器學(xué)習(xí)研究。從那時(shí)起，它已在廣泛的領(lǐng)域中使用。

使用dlib可以大大簡化開發(fā)，比如人臉識別，特征點(diǎn)檢測之類的工作都可以很輕松實(shí)現(xiàn)。同時(shí)也有很多基于dlib開發(fā)的應(yīng)用和開源庫，比如face_recogintion庫(應(yīng)用一個(gè)基于Python的開源人臉識別庫，face_recognition)等等。

dlib庫采用68點(diǎn)位置標(biāo)志人臉重要部位，比如18-22點(diǎn)標(biāo)志右眉毛，23-27點(diǎn)標(biāo)志左眉毛，37-42點(diǎn)標(biāo)志左眼，43-48點(diǎn)標(biāo)志右眼，32-36點(diǎn)標(biāo)志鼻子，49-68標(biāo)志嘴巴，這其中還可以識別嘴唇。

可以通過對眼睛的算法變換，識別出眨眼、瞇眼等動作，對眼睛、嘴巴的變換實(shí)現(xiàn)各種情緒的識別。

也可以通過對人的68點(diǎn)構(gòu)造算法模型，進(jìn)行人臉識別。

dlib的安裝比較麻煩，尤其是python3.7版本，通過pip intall命名無法安裝成功，建議自行到網(wǎng)上下載whl包，可節(jié)約探索時(shí)間。

# windows 通過whl文件安裝dlib
# dlib在python3.7版本下兼容性有問題，即使安裝了 Visual Studio 也還是無法安裝dlib
# 因此從網(wǎng)上下載了dlib for python37的whl文件
# pip install dlib-19.17.99-cp37-cp37m-win_amd64.whl
# pip install face_recognition
# pip install imutils
import dlib
import numpy as np
import cv2
import imutils
from imutils import face_utils

# 使用 Dlib 的正面人臉檢測器 frontal_face_detector
detector = dlib.get_frontal_face_detector()
# 使用訓(xùn)練好的模型shape_predictor_68_face_landmarks.dat，在檢測出人臉的同時(shí)，檢測出人臉上的68個(gè)關(guān)鍵點(diǎn)
predictor=dlib.shape_predictor(r'C:\Python\Pycharm\docxprocess\face_detector\shape_predictor_68_face_landmarks.dat')

# 圖片所在路徑
imgname = r'C:\Python\Pycharm\docxprocess\picture\other\renwu\juhui1.jpg' #21
# imgname = r'C:\Python\Pycharm\docxprocess\picture\other\renwu\juhui2.png' #6
# imgname = r'C:\Python\Pycharm\docxprocess\picture\other\ldh\angry.png'
# imgname = r'C:\Python\Pycharm\docxprocess\picture\other\ldh\ldh.png'
# imgname = r'C:\Python\Pycharm\docxprocess\picture\other\ldh\happy.png'
# imgname = r'C:\Python\Pycharm\docxprocess\picture\other\ldh\shigu.jpeg'
# imgname = r'C:\Python\Pycharm\docxprocess\picture\other\renwu\juhui4.png' #24
# 讀取圖片，轉(zhuǎn)換灰度
img = cv2.imread(imgname)
img_gray = cv2.cvtColor(img, cv2.COLOR_RGB2GRAY)

# 人臉檢測，獲得人臉數(shù)據(jù)
faces = detector(img_gray, 1)
# rectangles[[(941, 254) (977, 290)], [(361, 210) (397, 246)], [(717, 138) (753, 174)], [(801, 214) (837, 250)],
#   [(573, 138) (609, 174)], [(45, 210) (81, 246)], [(585, 202) (621, 238)], [(189, 254) (225, 290)],
#   [(245, 214) (281, 250)], [(689, 210) (725, 246)], [(419, 247) (463, 290)], [(553, 242) (589, 278)],
#   [(901, 218) (937, 254)], [(77, 246) (113, 282)], [(141, 222) (177, 258)], [(741, 242) (777, 278)],
#   [(485, 202) (521, 238)], [(161, 110) (197, 146)], [(297, 166) (333, 202)], [(905, 138) (941, 174)],
#   [(301, 246) (337, 282)], [(865, 106) (901, 142)], [(389, 146) (425, 182)], [(241, 138) (277, 174)]]
if len(faces) < 1:
    print("未檢測到人臉")
else:
    print("人臉數(shù)總數(shù)為", len(faces))
    for(i, rect) in enumerate(faces):

        # 返回人臉框的左上角坐標(biāo)和矩形框的尺寸
        (x, y, w, h) = face_utils.rect_to_bb(rect)
        # 在圖片上畫矩形框和輸出檢測的人臉數(shù)量
        cv2.rectangle(img, (x, y), (x + w, y + h), (0, 255, 0), 2)
        cv2.putText(img, "Face #{}".format(i + 1), (x - 10, y - 10),
                    cv2.FONT_HERSHEY_SIMPLEX, 0.5, (0, 255, 0), 2)


    cv2.imshow("Output", img)
    cv2.waitKey(0)

之前opencv自帶的人臉檢測結(jié)果

1927年在比利時(shí)布魯塞爾召開的第五次索爾維會議，黑白照片，檢測出21人。

1924年林徽因等與訪問中國的泰戈?duì)柡嫌?，?個(gè)人，重要的泰戈?duì)枦]檢測出來。

1927年在比利時(shí)布魯塞爾召開的第五次索爾維會議，彩色照片，檢測出24人。

不老男神，帥氣的劉德華。

使用訓(xùn)練好的模型shape_predictor_68_face_landmarks.dat，在檢測出人臉的同時(shí)，檢測出人臉上的68個(gè)關(guān)鍵點(diǎn)，再看一下劉德華。

import dlib
import numpy as np
import cv2
import imutils
from imutils import face_utils

# 使用 Dlib 的正面人臉檢測器 frontal_face_detector
detector = dlib.get_frontal_face_detector()
# 使用訓(xùn)練好的模型shape_predictor_68_face_landmarks.dat，在檢測出人臉的同時(shí)，檢測出人臉上的68個(gè)關(guān)鍵點(diǎn)
predictor=dlib.shape_predictor(r'C:\Python\Pycharm\docxprocess\face_detector\shape_predictor_68_face_landmarks.dat')

# 圖片所在路徑
imgname = r'C:\Python\Pycharm\docxprocess\picture\other\renwu\juhui1.jpg' #21
imgname = r'C:\Python\Pycharm\docxprocess\picture\other\renwu\juhui2.png' #6
# imgname = r'C:\Python\Pycharm\docxprocess\picture\other\ldh\angry.png'
imgname = r'C:\Python\Pycharm\docxprocess\picture\other\ldh\ldh.png'
# imgname = r'C:\Python\Pycharm\docxprocess\picture\other\ldh\happy.png'
# imgname = r'C:\Python\Pycharm\docxprocess\picture\other\ldh\shigu.jpeg'
# imgname = r'C:\Python\Pycharm\docxprocess\picture\other\renwu\juhui4.png' #24
# 讀取圖片，轉(zhuǎn)換灰度
img = cv2.imread(imgname)
img_gray = cv2.cvtColor(img, cv2.COLOR_RGB2GRAY)

# 人臉檢測，獲得人臉數(shù)據(jù)
faces = detector(img_gray, 1)
# rectangles[[(941, 254) (977, 290)], [(361, 210) (397, 246)], [(717, 138) (753, 174)], [(801, 214) (837, 250)],
#   [(573, 138) (609, 174)], [(45, 210) (81, 246)], [(585, 202) (621, 238)], [(189, 254) (225, 290)],
#   [(245, 214) (281, 250)], [(689, 210) (725, 246)], [(419, 247) (463, 290)], [(553, 242) (589, 278)],
#   [(901, 218) (937, 254)], [(77, 246) (113, 282)], [(141, 222) (177, 258)], [(741, 242) (777, 278)],
#   [(485, 202) (521, 238)], [(161, 110) (197, 146)], [(297, 166) (333, 202)], [(905, 138) (941, 174)],
#   [(301, 246) (337, 282)], [(865, 106) (901, 142)], [(389, 146) (425, 182)], [(241, 138) (277, 174)]]
if len(faces) < 1:
    print("未檢測到人臉")
else:
    print("人臉數(shù)總數(shù)為", len(faces))
    for(i, rect) in enumerate(faces):

        # 返回人臉框的左上角坐標(biāo)和矩形框的尺寸
        (x, y, w, h) = face_utils.rect_to_bb(rect)
        # 在圖片上畫矩形框和輸出檢測的人臉數(shù)量
        cv2.rectangle(img, (x, y), (x + w, y + h), (0, 255, 0), 2)
        cv2.putText(img, "Face #{}".format(i + 1), (x - 10, y - 10),
                    cv2.FONT_HERSHEY_SIMPLEX, 0.5, (0, 255, 0), 2)

        # 標(biāo)記人臉中的68個(gè)landmark點(diǎn)
        shape = predictor(img_gray, rect)
        # <dlib.full_object_detection object at 0x0000018AF09586F8>
        # shape轉(zhuǎn)換成68個(gè)坐標(biāo)點(diǎn)矩陣
        shape = face_utils.shape_to_np(shape)
        # [[245 149]
        #  [245 152]
        #  ...
        #  [246 159]]
        # [[364 225]
        #  [365 228]
        #  ...
        #  [366 236]]
        # 在源圖上輸出landmark點(diǎn)
        for j,(x, y) in enumerate(shape):
            cv2.circle(img, (x, y), 2, (0, 0, 255), -1)
            cv2.putText(img, "{}".format(j + 1), (x - 10, y - 10),
                        cv2.FONT_HERSHEY_SIMPLEX, 0.5, (0, 255, 0), 2)

    cv2.imshow("Output", img)
    cv2.waitKey(0)

責(zé)任編輯：武曉燕 來源： python與大數(shù)據(jù)分析
OpenCVPython人臉檢測
相關(guān)推薦

2018-05-08 14:25:22

Pythondlib人臉檢測

2018-01-23 09:17:22

Python人臉識別

2020-12-30 08:20:04

人臉檢測Retina FacemobileNet

2024-06-12 12:57:12

2023-04-26 22:52:19

視覺人臉檢測人臉對齊

2018-06-29 10:15:20

PythonOpenCV人臉識別

2023-11-29 20:38:49

OpenCV人臉檢測

2023-08-22 16:05:09

Pytorch人臉替換

2023-11-14 08:38:43

Golang人臉識別

2017-09-22 11:45:10

深度學(xué)習(xí)OpenCVPython

2017-08-02 07:36:06

大數(shù)據(jù)PythonOpenCV

2017-01-23 21:35:58

Android人臉檢測介紹

2024-09-14 09:31:25

2015-02-10 10:08:59

JavaScript

2020-11-02 11:24:52

算法人臉識別技術(shù)

2024-04-15 00:00:01

GoogleAndroid機(jī)器學(xué)習(xí)

2019-11-04 11:50:35

人工智能機(jī)器學(xué)習(xí)技術(shù)

2018-12-29 09:38:16

Python人臉檢測

2012-04-30 20:24:43

Android API

2020-03-09 14:08:25

Python目標(biāo)檢測視覺識別
點(diǎn)贊
收藏

51CTO技術(shù)棧公眾號