日韩 亚洲一区二_久久vs国产综合色大全_国产精品福利在线_欧美在线一级A片免费观看欧美在线_女同性毛片60分钟

您現(xiàn)在所在的位置：首頁(yè) >關(guān)於奇酷 > 行業(yè)動(dòng)態(tài) > 鄭州_Python培訓(xùn)代碼實(shí)現(xiàn)人臉檢測(cè)

鄭州_Python培訓(xùn)代碼實(shí)現(xiàn)人臉檢測(cè)

來(lái)源：奇酷教育 發(fā)表於：

　　這篇文章主要介紹怎樣用Python培訓(xùn)實(shí)現(xiàn)人臉檢測(cè)。人臉檢測(cè)是人臉識別的基礎(chǔ)。人臉檢測(cè)的目的是識別出照片裡的人臉並定位面部特徵點(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(cè)。人臉檢測(cè)是人臉識別的基礎(chǔ)。人臉檢測(cè)的目的是識別出照片裡的人臉並定位面部特徵點(diǎn)，人臉識別是在人臉檢測(cè)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(cè)基於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(kù)：
　　$ pip install numpy
　　$ pip install scipy
　　$ pip install opencv-python
　　$ pip install dlib
　　人臉檢測(cè)基於事先訓(xùn)練好的模型數(shù)據(jù)，從這裡可以下到模型數(shù)據(jù)
　　http://dlib.net/files/shape_predictor_68_face_landmarks.dat.bz2
　　下載到本地路徑後解壓，記下解壓後的文件路徑，程序中會(huì)用到。
　　dlib的人臉特徵點(diǎn)
　　上面下載的模型數(shù)據(jù)是用來(lái)估計(jì)人臉上68個(gè)特徵點(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：
　　我們的程序將包含兩(liǎng)個(gè)步驟：
　　第一步，在照片中檢測(cè)人臉的區(qū)域
　　第二部，在檢測(cè)到的人臉區(qū)域中，進(jìn)一步檢測(cè)器官（眼睛、鼻子、嘴巴、下巴、眉毛）
　　人臉檢測(cè)代碼
　　我們先來(lái)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)裡的rect是dlib臉部區(qū)域檢測(cè)的輸(shū)出。這裡將rect轉(zhuǎn)換(huàn)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)裡的shape是dlib臉部特徵檢測(cè)的輸(shū)出，一個(gè)shape裡包含了前面說(shuō)到的臉部特徵的68個(gè)點(diǎn)。這個(gè)函數(shù)將shape轉(zhuǎn)換(huàn)成Numpy array，為方便後續(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)裡的image就是我們要檢測(cè)的圖片。在人臉檢測(cè)程序的最後，我們會(huì)顯示檢測(cè)的結(jié)果圖片來(lái)驗(yàn)證，這裡做resize是為了避免圖片過(guò)大，超出屏幕範圍。
　　接下來(lái)，開(kāi)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(cè)人臉的圖片，接下來(lái)初始化人臉區(qū)域檢測(cè)的detector和人臉特徵檢測(cè)的predictor。shape_predictor中的參數(shù)就是我們之前解壓後的文件的路徑。
　　image = cv2.imread(image_file)
　　image = resize(image, width=1200)
　　gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
　　rects = detector(gray, 1)
　　在檢測(cè)特徵區(qū)域前，我們先要檢測(cè)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，最後用detector檢測(cè)臉部區(qū)域。因為一張照片可能包含多張臉，所以這裡得到的是一個(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(duì)於每一張檢測(cè)到的臉，我們進(jìn)一步檢測(cè)臉部的特徵（鼻子、眼睛、眉毛等）。對(duì)於臉部區(qū)域，我們用綠色的框在照片上標(biāo)出；對(duì)於臉部特徵，我們用紅色的點(diǎn)標(biāo)出來(lái)。
　　最後我們把加了檢測(cè)標(biāo)識的照片顯示出來(lái)，waitKey(0)表示按任意鍵可退出程序。
　　以上是我們程序的全部
　　測(cè)試
　　接下來(lái)是令人興奮的時(shí)刻，檢驗(yàn)我們結(jié)果的時(shí)刻到來(lái)了。
　　下面是原圖
　　下面是程序識別的結(jié)果
　　可以看到臉部區(qū)域被綠色的長(zhǎng)方形框起來(lái)了，臉上的特徵（鼻子，眼睛等）被紅色點(diǎn)點(diǎn)標(biāo)識出來(lái)了。