0.引言
利用python开发,借助Dlib库进行人脸识别,然后将检测到的人脸剪切下来,依次排序显示在新的图像上;
实现的效果如下图所示,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;
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 原图和处理后得到的图像窗口
1.开发环境
python:
3.6.3
dlib:
19.7
OpenCv, numpy
import dlib # 人脸识别的库dlib import numpy as np # 数据处理的库numpy 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: https://3water.com/article/133576.htm);
2.2 绘制新图像:
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:
多张人脸要输出到一行,先进行一次人脸的遍历,记每张人脸的尺寸为height*width(高度和宽度说明见图2),
我取的生成图像的尺寸: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:
img_blank = np.zeros((height_max, width_sum, 3), np.uint8)
2.2.2 图像填充
然后再进行一次人脸遍历,这次进行空白图像img_blank进行填充:
for i in range(height): for j in range(width): img_blank[i][blank_start+j] = img[d.top()+i][d.left()+j]
图2 图像尺寸说明
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
# 2018-01-22 # By TimeStamp # #cnblogs: http://www.cnblogs.com/AdaminXie/ import dlib # 人脸识别的库dlib import numpy as np # 数据处理的库numpy import cv2 # 图像处理的库OpenCv # dlib预测器 detector = dlib.get_frontal_face_detector() predictor = dlib.shape_predictor('shape_predictor_68_face_landmarks.dat') # 读取图像 path = "F:/code/python/***/pic/" img = cv2.imread(path+"test.jpg") #print("img/shape:", img.shape) # dlib检测 dets = detector(img, 1) print("人脸数:", len(dets)) # 记录人脸矩阵大小 height_max = 0 width_sum = 0 # 计算要生成的图像img_blank大小 for k, d in enumerate(dets): # 计算矩形大小 # (x,y), (宽度width, 高度height) pos_start = tuple([d.left(), d.top()]) pos_end = tuple([d.right(), d.bottom()]) # 计算矩形框大小 height = d.bottom()-d.top() width = d.right()-d.left() # 处理宽度 width_sum += width # 处理高度 if height > height_max: height_max = height else: height_max = height_max # 绘制用来显示人脸的图像的大小 print("img_blank的大小:") print("高度", height_max, "宽度", width_sum) # 生成用来显示的图像 img_blank = np.zeros((height_max, width_sum, 3), np.uint8) # 记录每次开始写入人脸像素的宽度位置 blank_start = 0 # 将人脸填充到img_blank for k, d in enumerate(dets): height = d.bottom()-d.top() width = d.right()-d.left() # 填充 for i in range(height): for j in range(width): img_blank[i][blank_start+j] = img[d.top()+i][d.left()+j] # 调整图像 blank_start += width cv2.namedWindow("img_faces", 2) cv2.imshow("img_faces", img_blank) cv2.waitKey(0)
结果:
图3 原图和处理后得到的图像窗口
以上就是本次我们介绍的关于Python3结合Dlib实现人脸识别和剪切的相关技术内容,大家如果在学习后还有任何不明白的地方可以在下方的留言区讨论。
Python3结合Dlib实现人脸识别和剪切
- Author -
TimeStamp声明:登载此文出于传递更多信息之目的,并不意味着赞同其观点或证实其描述。
Reply on: @reply_date@
@reply_contents@