Python3中结合Dlib如何实现人脸识别和剪切功能
导读:本文共2247字符,通常情况下阅读需要7分钟。同时您也可以点击右侧朗读,来听本文内容。按键盘←(左) →(右) 方向键可以翻页。
摘要: 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: 3.6.3dlib: 19.7Op... ...
目录
(为您整理了一些要点),点击可以直达。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
importdlib#人脸识别的库dlibimportnumpyasnp#数据处理的库numpyimportcv2#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://www.jb51.net/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:
foriinrange(height):forjinrange(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#ByTimeStamp##cnblogs:http://www.cnblogs.com/AdaminXie/importdlib#人脸识别的库dlibimportnumpyasnp#数据处理的库numpyimportcv2#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=0width_sum=0#计算要生成的图像img_blank大小fork,dinenumerate(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ifheight>height_max:height_max=heightelse: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_blankfork,dinenumerate(dets):height=d.bottom()-d.top()width=d.right()-d.left()#填充foriinrange(height):forjinrange(width):img_blank[i][blank_start+j]=img[d.top()+i][d.left()+j]#调整图像blank_start+=widthcv2.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
</div> <div class="zixun-tj-product adv-bottom"></div> </div> </div> <div class="prve-next-news">
Python3中结合Dlib如何实现人脸识别和剪切功能的详细内容,希望对您有所帮助,信息来源于网络。