Python 3 利用 Dlib 实现摄像头实时人脸检测和平铺显示
1. 引言
在某些场景下,我们不仅需要进行实时人脸检测追踪,还要进行再加工;这里进行摄像头实时人脸检测,并对于实时检测的人脸进行初步提取;
单个/多个人脸检测,并依次在摄像头窗口,实时平铺显示检测到的人脸;
图 1 动态实时检测效果图
检测到的人脸矩形图像,会依次 平铺显示 在摄像头的左上方;
当多个人脸时候,也能够依次铺开显示;
左上角窗口的大小会根据捕获到的人脸大小实时变化;
图 2 单个/多个人脸情况下摄像头识别显示结果
2. 代码实现
主要分为三个部分:
- 摄像头调用,利用 OpenCv 里面的 cv2.VideoCapture() ;
- 人脸检测 / Face detect,这里利用开源的 Dlib 框架,Dlib 中人脸检测具体可以参考 https://www.geek-share.com/detail/2722785201.html ;
- 图像填充,剪切部分可以参考 https://www.geek-share.com/detail/2727754760.html;
2.1 摄像头调用
Python 中利用 OpenCv 调用摄像头的一个例子 https://github.com/coneypo/Dlib_face_cut/blob/master/how_to_use_camera.py :
# OpenCv 调用摄像头 # 默认调用笔记本摄像头 # Author: coneypo # Blog: http://www.cnblogs.com/AdaminXie # GitHub: https://github.com/coneypo/Dlib_face_recognition_from_camera # Mail: coneypo@foxmail.com import cv2 cap = cv2.VideoCapture(0) # cap.set(propId, value) # 设置视频参数: propId - 设置的视频参数, value - 设置的参数值 cap.set(3, 480) # cap.isOpened() 返回 true/false, 检查摄像头初始化是否成功 print(cap.isOpened()) # cap.read() """ 返回两个值 先返回一个布尔值, 如果视频读取正确, 则为 True, 如果错误, 则为 False; 也可用来判断是否到视频末尾; 再返回一个值, 为每一帧的图像, 该值是一个三维矩阵; 通用接收方法为: ret,frame = cap.read(); ret: 布尔值; frame: 图像的三维矩阵; 这样 ret 存储布尔值, frame 存储图像; 若使用一个变量来接收两个值, 如: frame = cap.read() 则 frame 为一个元组, 原来使用 frame 处需更改为 frame[1] """ while cap.isOpened(): ret_flag, img_camera = cap.read() cv2.imshow("camera", img_camera) # 每帧数据延时 1ms, 延时为0, 读取的是静态帧 k = cv2.waitKey(1) # 按下 's' 保存截图 if k == ord('s'): cv2.imwrite("test.jpg", img_camera) # 按下 'q' 退出 if k == ord('q'): break # 释放所有摄像头 cap.release() # 删除建立的所有窗口 cv2.destroyAllWindows()
2.2 人脸检测
利用 Dlib 正向人脸检测器, dlib.get_frontal_face_detector();
对于本地人脸图像文件,利用 Dlib 进行人脸检测的例子:
# created at 2017-11-27 # updated at 2018-09-06 # Author: coneypo # Dlib: http://dlib.net/ # Blog: http://www.cnblogs.com/AdaminXie/ # Github: https://github.com/coneypo/Dlib_examples # create object of OpenCv # use OpenCv to read and show images import dlib import cv2 # 使用 Dlib 的正面人脸检测器 frontal_face_detector detector = dlib.get_frontal_face_detector() # 图片所在路径 # read image img = cv2.imread("imgs/faces_2.jpeg") # 使用 detector 检测器来检测图像中的人脸 # use detector of Dlib to detector faces faces = detector(img, 1) print("人脸数 / Faces in all: ", len(faces)) # Traversal every face for i, d in enumerate(faces): print("第", i+1, "个人脸的矩形框坐标:", "left:", d.left(), "right:", d.right(), "top:", d.top(), "bottom:", d.bottom()) cv2.rectangle(img, tuple([d.left(), d.top()]), tuple([d.right(), d.bottom()]), (0, 255, 255), 2) cv2.namedWindow("img", 2) cv2.imshow("img", img) cv2.waitKey(0)
图 3 参数 d.top(), d.right(), d.left(), d.bottom() 位置坐标说明
2.3 图像裁剪
如果想访问图像的某点像素,对于 opencv 对象可以利用索引 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);
所以进行图像裁剪填充这块的代码如下(注意超出 640x480 区域时的处理):
# 记录每次开始写入人脸像素的宽度位置 blank_start = 0 # 如果没有超出摄像头边界 if (d.bottom() < 480) and (d.right() < 640): for k, d in enumerate(faces): height = d.bottom() - d.top() width = d.right() - d.left() # 如果没有超出摄像头边界 if ((d.top()+height) < 480) and ((d.left()+width)<640): # 填充 for i in range(height): for j in range(width): img_rd[i][blank_start + j] = \ img_rd[d.top() + i][d.left() + j] # 调整图像 blank_start += width
记得要更新 blank_start 的坐标,达到依次平铺的效果:
图 4 平铺显示的人脸
2.4. 完整源码
https://github.com/coneypo/Dlib_face_cut/blob/master/faces_from_camera.py:
# 调用摄像头实时单个/多个人脸检测,并依次在摄像头窗口,实时平铺显示检测到的人脸; # Author: coneypo # Blog: http://www.cnblogs.com/AdaminXie # GitHub: https://github.com/coneypo/Dlib_face_detection_from_camera import dlib import cv2 import time import numpy as np # 储存截图的目录 path_screenshots = "data/images/screenshots/" detector = dlib.get_frontal_face_detector() predictor = dlib.shape_predictor('data/dlib/shape_predictor_68_face_landmarks.dat') # 创建 cv2 摄像头对象 cap = cv2.VideoCapture(0) # cap.set(propId, value) # 设置视频参数,propId 设置的视频参数,value 设置的参数值 cap.set(3, 960) # 截图 screenshots 的计数器 cnt = 0 # cap.isOpened() 返回 true/false 检查初始化是否成功 while cap.isOpened(): # cap.read() # 返回两个值: # 一个布尔值 true/false,用来判断读取视频是否成功/是否到视频末尾 # 图像对象,图像的三维矩阵 flag, img_rd = cap.read() # 每帧数据延时 1ms,延时为 0 读取的是静态帧 k = cv2.waitKey(1) # 取灰度 img_gray = cv2.cvtColor(img_rd, cv2.COLOR_RGB2GRAY) # 人脸数 faces = detector(img_gray, 0) # 待会要写的字体 font = cv2.FONT_HERSHEY_SIMPLEX # 按下 'q' 键退出 if k == ord('q'): break else: if len(faces) != 0: # 检测到人脸 for kk, d in enumerate(faces): # 绘制矩形框 cv2.rectangle(img_rd, tuple([d.left(), d.top()]), tuple([d.right(), d.bottom()]), (0, 255, 255), 2) height = d.bottom() - d.top() width = d.right() - d.left() # 生成用来显示的图像 img_blank = np.zeros((height, width, 3), np.uint8) # 记录每次开始写入人脸像素的宽度位置 blank_start = 0 # 如果没有超出摄像头边界 if (d.bottom() < 480) and (d.right() < 640): for k, d in enumerate(faces): height = d.bottom() - d.top() width = d.right() - d.left() # 如果没有超出摄像头边界 if ((d.top()+height) < 480) and ((d.left()+width)<640): # 填充 for i in range(height): for j in range(width): img_rd[i][blank_start + j] = \ img_rd[d.top() + i][d.left() + j] # 调整图像 blank_start += width cv2.putText(img_rd, "Faces in all: " + str(len(faces)), (20, 350), font, 0.8, (0, 0, 0), 1, cv2.LINE_AA) else: # 没有检测到人脸 cv2.putText(img_rd, "no face", (20, 350), font, 0.8, (0, 0, 0), 1, cv2.LINE_AA) # 添加说明 img_rd = cv2.putText(img_rd, "Press 'S': Screen shot", (20, 400), font, 0.8, (255, 255, 255), 1, cv2.LINE_AA) img_rd = cv2.putText(img_rd, "Press 'Q': Quit", (20, 450), font, 0.8, (255, 255, 255), 1, cv2.LINE_AA) # 按下 's' 键保存 if k == ord('s'): cnt += 1 print(path_screenshots + "screenshot" + "_" + str(cnt) + "_" + time.strftime("%Y-%m-%d-%H-%M-%S", time.localtime()) + ".jpg") cv2.imwrite(path_screenshots + "screenshot" + "_" + str(cnt) + "_" + time.strftime("%Y-%m-%d-%H-%M-%S", time.localtime()) + ".jpg", img_rd) cv2.namedWindow("camera", 1) cv2.imshow("camera", img_rd) # 释放摄像头 cap.release() # 删除建立的窗口 cv2.destroyAllWindows()
这个代码就是把之前做的人脸检测,图像拼接几个结合起来,代码量也很少,只有100行,如有问题可以参考之前博客:
https://www.geek-share.com/detail/2722785201.html
https://www.geek-share.com/detail/2727754760.html
# 请尊重他人劳动成果,转载或者使用源码请注明出处:http://www.cnblogs.com/AdaminXie
# 如果对您有帮助,欢迎在 GitHub 上 Star 支持下: https://github.com/coneypo/Dlib_face_cut
# 如有问题请留言或者联系邮箱 coneypo@foxmail.com,商业合作勿扰
- python 3利用Dlib 19.7实现摄像头人脸检测特征点标定
- Python 3 利用 Dlib 实现摄像头实时人脸识别
- Python3利用Dlib19.7实现摄像头人脸识别的方法
- Python 3 利用 Dlib 19.7 实现人脸检测和剪切
- HAAR与DLib的实时人脸检测之实现与对比
- python版opencv摄像头人脸实时检测
- 【Python】使用openCV与dlib实现人脸68特征点的检测与手动修改
- TensorFlow实现人脸识别(5)-------利用训练好的模型实时进行人脸检测
- 人脸检测及识别python实现系列(1)——配置、获取实时视频流
- 利用ajax技术实现网页实时显示检测温度
- Python利用OpenCV实现人脸检测
- python 调用摄像头,基于opencv 的人脸检测实现
- 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)
- opencv实现摄像头实时人脸检测
- Dlib人脸检测及关键点描述的python实现
- 关于Python+Opencv实现人脸检测的实验笔记(调用摄像头篇)
- python︱利用dlib和opencv实现简单换脸、人脸对齐、关键点定位与画图
- python3利用Dlib19.7实现人脸68个特征点标定
- python+openCV利用cascade分类器训练实现实时视频车辆检测与车牌检测(一)
- 深度学习(一)——deepNN模型实现摄像头实时识别人脸表情(C++和python3.6混合编程)