用dlib和opencv进行不同角度人脸检测及68个关键点提取(Python)
2017-06-02 18:09
1121 查看
用dlib和opencv进行不同角度人脸检测及68个关键点提取(Python)
前几日为了在自己的单个旋转人脸数据集上复现SDM for face Alignment算法,研究了用dlib机器学习工具箱和opencv进行旋转人脸的检测及关键点提取,整理一下思路,希望有所帮助。1. 软件要求
Ubuntu(Windows应该也适用)dlib
opencv2
Python + Numpy
具体的安装过程不作详细介绍,可能要花些时间 =.=
2. 程序介绍
话不多说,直接上代码。a) 导入函数
import cv2 import dlib import numpy import sys import os from math import *
b) 读取文件夹下的图片
# 获取原始图片 def getAllImg(folder): assert os.path.exists(folder) assert os.path.isdir(folder) imgList = os.listdir(folder) imgList = [item for item in imgList if os.path.isfile(os.path.join(folder, item))] return imgList imgList = getAllImg('me_1') print imgList # 打印所有的图片名
得到me_1文件夹下的所有图片。
c) 人脸检测及关键点提取
首先,要下载dlib提供的已经训练好的关键点提取模型[链接]。因为我的人脸图片是不同角度的,所以不一定能够检测到人脸,所以当检测不到人脸时,依次旋转图片60度,再次检测,直到能够检测到人脸为止,如果旋转了360度还是检测不到人脸的话,那么认为该图片中不存在人脸。PREDICTOR_PATH = 'shape_predictor_68_face_landmarks.dat' # 关键点提取模型路径 landmarks = [] # 存储人脸关键点 # 1. 定义人脸检测器 detector = dlib.get_frontal_face_detector() # 2. 载入关键点提取模型 predictor = dlib.shape_predictor(PREDICTOR_PATH) have_face_img_num = 0 # 统计检测到人脸的图片个数 print '*** Face detection start! ***' for img_name in imgList: im = cv2.imread('me_1/'+img_name) rotate_num = 0 # 旋转的次数 degree = 60 # 每次旋转的角度 while 1: rotate_num += 1 rects = detector(im, 1) # 检测人脸 if len(rects) >= 1: # 检测到人脸 have_face_img_num += 1 print ('img {}: rotating {} degree, get {} faces detected!'.format(img_name, degree*(rotate_num-1), len(rects))) row, col = im.shape[:2] if row > 600 and col > 600: # 如果图片太大,从中心位置取600×600的切片 im = im[row/2-300:row/2+300, col/2-300:col/2+300, :] rects = detector(im, 1) # 再次检测人脸框,一般还是可以检测到的,所以这里没判断 new_name = img_name.split('.')[0]+'_'+str(degree*(rotate_num-1))+'.png' # 重新命名图片,命名规则为原来的图片名+旋转角度 get_fea_points(rects, im, new_name) # 调用关键点子程序,见步骤d) cv2.imwrite('me2/'+new_name,im) # 保存图片到新的文件夹 break else: # 如果检测不到人脸 if rotate_num == int(360/degree): # 判断是否旋转完360度 print ('img {}: after rotate {} degree, No face is detected!'.format(img_name, degree*(rotate_num-1))) break # 旋转60度 rows, cols, channel = im.shape # 为了旋转之后不裁剪原图,计算旋转后的尺寸 rowsNew=int(cols*fabs(sin(radians(degree))) + rows*fabs(cos(radians(degree)))) colsNew=int(rows*fabs(sin(radians(degree))) + cols*fabs(cos(radians(degree)))) M = cv2.getRotationMatrix2D((cols/2, rows/2), degree, 1) # 旋转60度的仿射矩阵 M[0,2] +=(colsNew-cols)/2 M[1,2] +=(rowsNew-rows)/2 im = cv2.warpAffine(im, M, (colsNew, rowsNew), borderValue=(255,255,255)) # 旋转60度,得到新图片 print ('*** success: {} / {} ***'.format(have_face_img_num, len(imgList)))
d) 保存68个关键点的子函数并依次显示
将检测到的每张人脸的68个特征点保存到一个pts文件中。def get_fea_points(rects, im, new_name): global landmarks feas = [] # 关键点 fea_file_name = new_name[:-3] + 'pts' # pts文件名为旋转后图片名称.pts fea_file = open('me2/'+fea_file_name, 'a') # 新建pts文件 fea_file.write('version: 1'+'\n'+'n_points: 68'+'\n'+'{'+'\n') # 写入文件头部信息 for i in range(len(rects)): # 遍历所有检测到的人脸(我的是单个人脸) landmarks = numpy.matrix([[p.x, p.y] for p in predictor(im, rects[i]).parts()]) im = im.copy() # 使用enumerate 函数遍历序列中的元素以及它们的下标 for idx, point in enumerate(landmarks): pos = (point[0,0], point[0,1]) # 依次保存每个关键点 feas.append(pos) # 在图上画出关键点 cv2.circle(im, pos, 3, color=(0,255,0)) for pos in feas: fea_file.write(str(pos[0])+ ' '+ str(pos[1])+'\n') # 写如特征点到pts文件 fea_file.write('}') # 写pts文件尾部 fea_file.close() cv2.namedWindow("im", 2) # 显示标记特征点的图片 cv2.imshow("im", im) cv2.waitKey(0)
3. 实验结果
读取原始图像,如果不能检测到人脸,依次旋转该图片以便检测到人脸,检测到人脸之后进行特征点提取:原图 旋转60度后的图 关键点标记图
相关文章推荐
- 结合OpenCV摄像头使用Dlib库进行人脸检测及标注特征点和提取人脸特征-Python
- Opencv与dlib联合进行人脸关键点检测与识别
- python+OpenCv+dlib实现人脸68个关键点检测并标注
- Opencv与dlib联合进行人脸关键点检测与识别【转】
- python下通过dlib和opencv实现人脸对齐(包括关键点检测和仿射变换)
- 使用OpenCV+PCA+KNN/SVM进行人脸检测和识别-Python
- python opencv人脸检测提取及保存
- python︱利用dlib和opencv实现简单换脸、人脸对齐、关键点定位与画图
- [置顶] 【python 人脸检测】opencv 进行人脸检测
- python opencv人脸检测提取及保存
- python中使用OpenCV进行人脸检测的例子
- OpenCV实践之路——用OpenCV和Dlib进行人脸颜值预测(Python)
- Dlib + python + opencv 实时人脸68特征点提取
- 【OpenCV】Python人脸检测+人脸提取
- Dlib人脸检测及关键点描述的python实现
- python+OpenCV进行人脸检测【转】
- 深度学习(PYTORCH)-2.python调用dlib提取人脸68个特征点
- 使用OpenCV进行人脸关键点检测
- 【Python+OpenCV】实现检测场景内是否有物体移动,并进行人脸检测抓拍
- 利用opencv,dlib,python编写人脸检测程序