Python 3.6.3 利用 Dlib 19.7 和 opencv 实现人脸68点定位

Posted coneypo

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了Python 3.6.3 利用 Dlib 19.7 和 opencv 实现人脸68点定位 相关的知识,希望对你有一定的参考价值。

0. 引言

  利用 Dlib 官方训练好的模型 “shape_predictor_68_face_landmarks.dat” 进行 68 个点标定;

  利用 OpenCv 进行图像化处理,在人脸上画出 68 个特征点,并标明特征点的序号;

  实现的 68 个特征点标定功能如下图所示:

  

图 1 人脸 68 个特征点的标定

 

1. 开发环境

  Python:  3.6.3

  Dlib:    19.7

  Opencv, NumPy

  需要调用的库: 

import dlib                     # 人脸检测的库 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

  两部分:68 个特征点提取 和 OpenCv 绘图

  68 点提取:

   借助 Dlib 官方的 Demo: face_landmark_detection.py,可以得到脸部 68 个特征点的坐标;

  OpenCv 绘图:

   使用 opencv 中 画圆函数 cv2.circle() 画字符函数 cv2.putText() ;

 

  流程

  1. 调用 Dlib 库来进行人脸识别,调用预测器 “shape_predictor_68_face_landmarks.dat” 进行 68 点标定;

  2. 存入 68 个点坐标;

  3. 利用 cv2.circle 来画 68 个点;

  4. 利用 cv2.putText() 函数来画数字 1-68 ;

 

3. 源码

 

# 对静态人脸图像文件进行68个特征点的标定

# Author:   coneypo
# Blog:     http://www.cnblogs.com/AdaminXie
# GitHub:   https://github.com/coneypo/Dlib_face_detection_from_camera

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 检测器和预测器
detector = dlib.get_frontal_face_detector()
predictor = dlib.shape_predictor(\'data/dlib/shape_predictor_68_face_landmarks.dat\')

# 读取图像文件
img_rd = cv2.imread("test.jpg")
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

# 标 68 个点
if len(faces) != 0:
    # 检测到人脸
    for i in range(len(faces)):
        # 取特征点坐标
        landmarks = np.matrix([[p.x, p.y] for p in predictor(img_rd, faces[i]).parts()])
        for idx, point in enumerate(landmarks):
            # 68 点的坐标
            pos = (point[0, 0], point[0, 1])

            # 利用 cv2.circle 给每个特征点画一个圈,共 68 个
            cv2.circle(img_rd, pos, 2, color=(139, 0, 0))
            # 利用 cv2.putText 写数字 1-68
            cv2.putText(img_rd, str(idx + 1), pos, font, 0.2, (187, 255, 255), 1, cv2.LINE_AA)

    cv2.putText(img_rd, "faces: " + str(len(faces)), (20, 50), font, 1, (0, 0, 0), 1, cv2.LINE_AA)
else:
    # 没有检测到人脸
    cv2.putText(img_rd, "no face", (20, 50), font, 1, (0, 0, 0), 1, cv2.LINE_AA)

# 窗口显示
# 参数取 0 可以拖动缩放窗口,为 1 不可以
# cv2.namedWindow("image", 0)
cv2.namedWindow("image", 1)

cv2.imshow("image", img_rd)
cv2.waitKey(0)

 

 

OpenCv 的画图函数

1. 画圆 cv2.circle( img, (p1,p2), r, (255,255,255) )

cv2.circle(img=img, center=(50,30), radius=4, color=(255,0,255))

  参数 1:  img-          图片对象 img;

  参数 2:  (p1,p2)-          圆心坐标 center;

  参数 3:  r-          半径 radius;

  参数 4:  (255,255,255)-  颜色数组; 

 

 2. 写字符 cv2.putText( img,"test", (p1,p2), font, 4, (255,255,255), 2, cv2, LINE_AA )

cv2.putText(img=img, text="hello world", org=(10,30), fontFace=font, fontScale=0.6, color=(187, 255, 255), thickness=1, lineType=cv2.LINE_AA)

 

  参数 1:  img-      图像对象 img;

  参数 2:  "test"-      需要打印的字符 text(数字的话可以利用 str() 转成字符);

  参数 3:  (p1,p2)-      坐标 textOrg;

  参数 4:  font-      字体 fontFace( 注意这里 font = cv2.FONT_HERSHEY_SIMPLEX );

  参数 5:  4-       字号 fontScale;

  参数 6:  (255,255,255)-   颜色数组 color;

  参数 7:  2-        线宽 thickness;

  参数 8:  LINE_AA-      线条种类 line_type;

    

  * 关于 颜色数组

    (255,255,255), (蓝色绿色红色),每个值都是 0-255;

    比如:蓝色 (255,0,0),紫色 (255,0,255)

图 2 部分颜色数组示意(具体可以参考 http://tool.oschina.net/commons?type=3 )

 


# 请尊重他人劳动成果,转载或者使用源码请注明出处 http://cnblogs.com/AdaminXie/

# 如有问题可以留言或者联系邮箱 coneypo@foxmail.com

以上是关于Python 3.6.3 利用 Dlib 19.7 和 opencv 实现人脸68点定位 的主要内容,如果未能解决你的问题,请参考以下文章

Python 3 利用 Dlib 19.7 和 sklearn机器学习模型 实现人脸微笑检测

python2.7 + ubuntu14.4 + dlib19.7

dlib的编译和安装

人脸检测和识别(中文标记)完整项目源代码(基于深度学习+python3.6+dlib+PIL+CNN+(tensorflowkeras)10分钟实现 区分欢乐颂中人物详细图文教程和完整项目代码)

树莓派上利用python+opencv+dlib实现嘴唇检测

Windows下 VS2015 + Dlib + CUDA环境搭建