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

编程Tag： 人脸识别图像识别

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。