如何用人脸识别自动给头像添加口罩及护目镜
2020/1/27 5:06:20
本文主要是介绍如何用人脸识别自动给头像添加口罩及护目镜,对大家解决编程问题具有一定的参考价值,需要的程序猿们随着小编来一起学习吧!
给头像添加口罩及护目镜
项目地址:https://github.com/Evilran/add-mask-and-goggle
写在前面
武汉爆发了2020新型冠狀病毒肺炎,大家都纷纷戴上了口罩以预防被传染。朋友圈也不例外,许多用户都为自己的头像戴上了口罩,但是p图调整口罩的位置浪费了大家很多时间。那么我们如何通过人脸识别自动给头像添加口罩及护目镜呢?
此项目使用人脸识别自动给头像添加口罩及护目镜,仅为呼吁大家积极佩戴口罩及护目镜,为武汉及奋斗在第一线的医护人员加油!
依赖🐍
在开始前,我们需要在python3上安装以下几个包:
- numpy==1.17.4
- Flask>=1.0.0
- requests==2.22.0
- opencv-python==4.0.0.21
- dlib==19.17.99
Flask为我们的项目提供了一个简单的Web服务器,dlib用以识别人脸及嘴唇和眼睛的部位(提供了口罩所在的位置),opencv库可以把口罩素材添加到人脸的嘴唇部位上,护目镜添加到人脸的眼部。
搭建Web服务器
首先,引入flask库并构造主页面:
from flask import Flask from flask import request from flask import render_template @app.route('/', methods=['GET', 'POST']) def index(): return render_template('index.html') ---------------------- if __name__ == '__main__': app.run()
需要注意的是,我们的服务器上只允许上传图片类型的文件,并且不缓存图片(用户可以选择其他的口罩重新制作),所以我们要进行如下配置:
app = Flask(__name__) # 取消图片缓存 app.config['SEND_FILE_MAX_AGE_DEFAULT'] = timedelta(seconds=1) ALLOWED_EXTENSIONS = set(['bmp', 'png', 'jpg', 'jpeg']) UPLOAD_FOLDER=r'./cache/' app.config['UPLOAD_FOLDER'] = UPLOAD_FOLDER def allowed_file(filename): return '.' in filename and \ filename.rsplit('.', 1)[1] in ALLOWED_EXTENSIONS
我们的Web服务器上包含有两个路由:
/url /add
url 是粘贴图片的地址,服务器会自动下载图片,add 则为用户手动上传图片 (如果只需用户手动上传图片,不需要引入requests库)
add 路由的函数代码如下:
@app.route('/add', methods=['GET', 'POST']) def search(): if request.method == 'POST': file = request.files['image'] mode = (int)(request.form['mask']) isGoggle = request.form.get('goggle') if file and allowed_file(file.filename): path = os.path.join(app.config['UPLOAD_FOLDER'], file.filename) file.save(path) output = add(path, file.filename, mode, isGoggle) return render_template('index.html', output = output) else: return render_template('index.html', alert = '文件类型必须是图片!') else: return render_template('index.html')
接着我们配置好 templates 里的 index.html 文件,详细代码请移步 Github 项目。
人脸识别
好了,到这里我们已经成功配置好Web服务器了,接着我们开始写后端处理图片的代码。我们引入 dlib 和 opencv 库:
import cv2 import dlib import numpy as np import os
利用已经训练好的 Dlib 正向人脸检测器 detector = dlib.get_frontal_face_detector() 进行人脸检测,并用 'models/shapepredictor68facelandmarks.dat' 进行 人脸嘴部 20 个特征点坐标( 40 维特征)的提取:
def get_mouth(img): img_gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) detector = dlib.get_frontal_face_detector() predictor = dlib.shape_predictor('models/shape_predictor_68_face_landmarks.dat') faces = detector(img_gray, 0) for k, d in enumerate(faces): x = [] y = [] # 人脸大小的高度 height = d.bottom() - d.top() # 人脸大小的宽度 width = d.right() - d.left() shape = predictor(img_gray, d) # 49-68 为嘴唇部分 for i in range(48, 68): x.append(shape.part(i).x) y.append(shape.part(i).y) # 根据人脸的大小扩大嘴唇对应口罩的区域 y_max = (int)(max(y) + height / 3) y_min = (int)(min(y) - height / 3) x_max = (int)(max(x) + width / 3) x_min = (int)(min(x) - width / 3) size = ((x_max-x_min),(y_max-y_min)) return x_min, x_max, y_min, y_max, size
同样的道理,我们进行 人脸眼部特征 的提取:
def get_eye(img): img_gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) detector = dlib.get_frontal_face_detector() predictor = dlib.shape_predictor('models/shape_predictor_68_face_landmarks.dat') faces = detector(img_gray, 0) for k, d in enumerate(faces): x = [] y = [] height = d.bottom() - d.top() width = d.right() - d.left() shape = predictor(img_gray, d) for i in range(36, 48): x.append(shape.part(i).x) y.append(shape.part(i).y) y_max = (int)(max(y) + height / 3) y_min = (int)(min(y) - height / 3) x_max = (int)(max(x) + width / 3) x_min = (int)(min(x) - width / 3) size = ((x_max-x_min),(y_max-y_min)) return x_min, x_max, y_min, y_max, size
识别出嘴唇和眼睛的位置后,我们通过 opencv 处理背景透明的口罩和护目镜素材 ,把背景变成白色:
img2 = cv2.imread('masks/goggle.png', cv2.IMREAD_UNCHANGED) img2 = cv2.resize(img2,size) alpha_channel = img2[:, :, 3] _, mask = cv2.threshold(alpha_channel, 220, 255, cv2.THRESH_BINARY) color = img2[:, :, :3] img2 = cv2.bitwise_not(cv2.bitwise_not(color, mask=mask))
然后进行图像融合,把口罩及护目镜添加到我们刚刚得到的嘴唇位置和眼睛位置:
x_min, x_max, y_min, y_max, size = get_eye(img1) rows,cols,channels = img2.shape roi = img1[y_min: y_min + rows, x_min:x_min + cols] img2gray = cv2.cvtColor(img2,cv2.COLOR_BGR2GRAY) ret, mask = cv2.threshold(img2gray, 254, 255, cv2.THRESH_BINARY) mask_inv = cv2.bitwise_not(mask) img1_bg = cv2.bitwise_and(roi,roi,mask = mask) img2_fg = cv2.bitwise_and(img2,img2,mask = mask_inv) dst = cv2.add(img1_bg,img2_fg) img1[y_min: y_min + rows, x_min:x_min + cols] = dst
到这里,我们人脸识别添加口罩及护目镜的代码就已经成功完成了。
演示😷
项目完成后,
仅需一个命令即可简单地运行Web服务器:
$ python3 server.py
然后访问:127.0.0.1:5000(端口 5000).
这里支持两种模式,一种是输入URL地址,另外一种是直接上传图片:
目前口罩支持以下几种类型:
举个栗子🌰
原图:
添加口罩及护目镜:
原图:
添加口罩:
感谢🙏
感谢奋斗在第一线的医护人员,感谢春运中的逆行者!
口罩及护目镜素材来自:[maskon-wuhan]@izumiwing
这篇关于如何用人脸识别自动给头像添加口罩及护目镜的文章就介绍到这儿,希望我们推荐的文章对大家有所帮助,也希望大家多多支持为之网!
- 2024-09-26AI辅助的软件开发生命周期
- 2024-09-26RAG 框架入门课程(生成式 AI) для 初学者
- 2024-09-26Meet “Jennifer”:GPT-o1 的秘密身份
- 2024-09-26如果你无法战胜他们……那就偷取他们的想法。创建一个更好的算法交易系统
- 2024-09-26LLMs会永远说谎
- 2024-09-26如何为您的用例选择合适的LLM模型
- 2024-09-26生成式AI工程师——面试问题及如何准备面试。
- 2024-09-26人工智能法系列:上市后监控系统
- 2024-09-26如何使用LangGraph构建AI代理:一步一步指南
- 2024-09-26使用 Llama 3.1 创建合成数据集以微调您的LLM