Python3结合Dlib实现人脸识别和剪切

2019/7/13 22:20:25

编程Tag： 人脸识别剪切 python3 Dlib

本文主要是介绍Python3结合Dlib实现人脸识别和剪切，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！

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

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

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: //www.zyiz.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：

for i in range(height):
for j in range(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
# By TimeStamp
# #cnblogs: http://www.cnblogs.com/AdaminXie/
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()
# 填充
for i in range(height):
for j in range(width):
img_blank[i][blank_start+j] = img[d.top()+i][d.left()+j]
# 调整图像
blank_start += width
cv2.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

以上就是本次我们介绍的关于Python3结合Dlib实现人脸识别和剪切的相关技术内容，大家如果在学习后还有任何不明白的地方可以在下方的留言区讨论。

这篇关于Python3结合Dlib实现人脸识别和剪切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！

Python3结合Dlib实现人脸识别和剪切

0.引言

1.开发环境

2.设计流程

3.源码

相关编程文章