Python3中结合Dlib如何实现人脸识别和剪切功能(dlib,python3,开发技术)

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