Python 3 利用 Dlib 19.7 实现人脸检测和剪切

点击有惊喜

0.引言

　　　利用python开发，借助Dlib库进行人脸检测/face detection；

　　　1. dlib_cut_faces.py
: 

　　　　将检测到的人脸剪切下来，依次排序显示在新的图像上；

　　　　实现的效果如图1所示，将图1原图中的6张人脸检测出来，然后剪切下来，在图像窗口中依次输出显示人脸；

　　　2. dlib_cut_faces_save.py:

　　　　将检测到的人脸生成单个jpg，存储到本地路径；

 

　　　（实现比较简单，代码量也比较少，适合入门或者兴趣学习。）

 　　


　　　　图1 原图和dlib_cut_faces.py处理后得到的图像窗口

 

　　


　　　　图2 dlib_cut_faces_save.py处理后得到单个人脸图像们

 

　　源码上传到了我的Github，如果对您有帮助或者感兴趣，欢迎Star支持下: https://github.com/coneypo/Dlib_face_cut

 

1.开发环境

　　python:　　3.6.3

　　dlib:　　　 19.7

　　OpenCv, numpy

 

1 import dlib         # 人脸识别的库dlib
2 import numpy as np  # 数据处理的库numpy
3 import cv2          # 图像处理的库OpenCv

 

2.设计流程

　　工作内容主要以下两大块：dlib人脸检测 和 绘制新图像

　　2.1 dlib人脸检测

　　　　dlib的使用，在我之前另一篇博客里面介绍过

　　　　（link: http://www.cnblogs.com/AdaminXie/p/7905888.html）；

1 # dlib检测器
2 detector = dlib.get_frontal_face_detector()
3 predictor = dlib.shape_predictor('shape_predictor_68_face_landmarks.dat')
4
5 # 读取图像
6 path = "F:/***/pic/"
7 img = cv2.imread(path+"test_faces_6.jpg")
8 #print("img/shape:", img.shape)
9
10 # dlib检测
11 dets = detector(img, 1)
12
13 print("人脸数：", len(dets))

　　　　 接下来需要得到人脸的坐标，用来计算人脸矩形的高度和宽度。

 

　　2.2 绘制新图像

　　　　 如果你想让人脸并排显示的话，稍微麻烦一点，需要遍历两次dets（for k, d in enumerate (dets)）:

　　 第一次遍历：记录下我们需要生成的图像窗口的大小，因为需要将多张照片显示在一张图像上，所以需要知道每张人脸照片的大小；

　　 第二次遍历：根据之前得到的图像尺寸新建空白图像，然后开始用人脸矩形填充图像；

 

　　2.2.1 确定空白图像尺寸

　　（这部分首先要根据检测到的人脸数和人脸大小，来确定绘制图像所需要的尺寸）　　

第一次遍历：多张人脸要输出到一行，所以先进行一次人脸的遍历j记下每张人脸的大小，记每张人脸的尺寸为 高度height  *宽度width（高度和宽度说明见图3）：



　　　　图3 图像尺寸说明

 

我取的生成空白图像的尺寸：height_max（最大高度）和width_sum（宽度之和），然后根据尺寸大小来新建空白图像：

1 img_blank = np.zeros((height_max, width_sum, 3), np.uint8)

　　　　图4 图像尺寸height_max和width_sum

 

　　2.2.2 图像填充

　　第二次遍历：多根据之前得到的图像尺寸新建空白图像，然后开始用人脸矩形填充图像，每次width方向从blank_start位置开始，每次填完一张之后记得更新起始位置：（blank_start += width）：

1 for i in range(height):
2     for j in range(width):
3         img_blank[i][blank_start + j] = img[d.top() + i][d.left() + j]

　　

　　

　　如果想访问图像的某点像素，可以利用img[height][width]：

　　　　存储像素其实是一个三维数组，先高度height，然后宽度width;

　　　　返回的是一个颜色数组（0-255，0-255，0-255），按照（B, G, R）的顺序；

　　　　比如 蓝色 就是（255，0，0），红色 是（0，0，255）;

 

3.源码

3.1 dlib_cut_faces.py

1 # 2018-01-22
2 # By TimeStamp
3 # #cnblogs: http://www.cnblogs.com/AdaminXie/ 4
5 import dlib         # 人脸识别的库dlib
6 import numpy as np  # 数据处理的库numpy
7 import cv2          # 图像处理的库OpenCv
8
9 # dlib预测器
10 detector = dlib.get_frontal_face_detector()
11 predictor = dlib.shape_predictor('shape_predictor_68_face_landmarks.dat')
12
13 # 读取图像
14 path = "F:/code/python/***/pic/"
15 img = cv2.imread(path+"test.jpg")
16 #print("img/shape:", img.shape)
17
18 # dlib检测
19 dets = detector(img, 1)
20
21 print("人脸数：", len(dets))
22
23 # 记录人脸矩阵大小
24 height_max = 0
25 width_sum = 0
26
27 # 计算要生成的图像img_blank大小
28 for k, d in enumerate(dets):
29
30     # 计算矩形大小
31     # (x,y), (宽度width, 高度height)
32     pos_start = tuple([d.left(), d.top()])
33     pos_end = tuple([d.right(), d.bottom()])
34
35     # 计算矩形框大小
36     height = d.bottom()-d.top()
37     width = d.right()-d.left()
38
39     # 处理宽度
40     width_sum += width
41
42     # 处理高度
43     if height > height_max:
44         height_max = height
45     else:
46         height_max = height_max
47
48 # 绘制用来显示人脸的图像的大小
49 print("img_blank的大小：")
50 print("高度", height_max, "宽度", width_sum)
51
52 # 生成用来显示的图像
53 img_blank = np.zeros((height_max, width_sum, 3), np.uint8)
54
55 # 记录每次开始写入人脸像素的宽度位置
56 blank_start = 0
57
58 # 将人脸填充到img_blank
59 for k, d in enumerate(dets):
60
61     height = d.bottom()-d.top()
62     width = d.right()-d.left()
63
64     # 填充
65     for i in range(height):
66         for j in range(width):
67                 img_blank[i][blank_start+j] = img[d.top()+i][d.left()+j]
68     # 更新读取图像起始位置
69     blank_start += width
70
71 cv2.namedWindow("img_faces", 2)
72 cv2.imshow("img_faces", img_blank)
73 cv2.waitKey(0)

 

 

结果：

 


　　　　图5 原图和处理后得到的图像窗口

 

3.2 dlib_cut_faces_save.py

　　如果你想将识别出来的人脸保存成单个的jpg，方便之后处理用，只需将上述代码进行略微修改；

只需一次遍历，根据每次检测到的人脸尺寸，新建空白图像后写入，然后利用cv2.imwrite写入到本地：

1 # 2018-01-24
2 # By TimeStamp
3 # #cnblogs: http://www.cnblogs.com/AdaminXie/ 4
5 import dlib         # 人脸识别的库dlib
6 import numpy as np  # 数据处理的库numpy
7 import cv2          # 图像处理的库OpenCv
8
9 # dlib预测器
10 detector = dlib.get_frontal_face_detector()
11 predictor = dlib.shape_predictor('shape_predictor_68_face_landmarks.dat')
12
13 # 读取图像的路径
14 path_read = "F:/************/pic/"
15 img = cv2.imread(path_read+"test.jpg")
16
17 # 用来存储生成的单张人脸的路径
18 path_save = "F:/**********/pic/"
19
20 # dlib检测
21 dets = detector(img, 1)
22
23 print("人脸数：", len(dets))
24
25 for k, d in enumerate(dets):
26
27     # 计算矩形大小
28     # (x,y), (宽度width, 高度height)
29     pos_start = tuple([d.left(), d.top()])
30     pos_end = tuple([d.right(), d.bottom()])
31
32     # 计算矩形框大小
33     height = d.bottom()-d.top()
34     width = d.right()-d.left()
35
36     # 根据人脸大小生成空的图像
37     img_blank = np.zeros((height, width, 3), np.uint8)
38
39     for i in range(height):
40         for j in range(width):
41                 img_blank[i][j] = img[d.top()+i][d.left()+j]
42
43     cv2.imshow("face_"+str(k+1), img_blank)
44     cv2.imwrite(path_save+"img_face_"+str(k+1)+".jpg", img_blank)
45
46 cv2.waitKey(0)

 

　　


点击有惊喜