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
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
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:
1 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:
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]
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:
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()