Python3结合Dlib实现人脸识别和剪切_Python

Python3结合Dlib实现人脸识别和剪切

2021-01-08 00:32TimeStamp Python

本篇文章给大家详细分析了Python3结合Dlib实现人脸识别和剪切这个技术，对此有兴趣的朋友参考学习下。

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。

Python3结合Dlib实现人脸识别和剪切

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；

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]

　　 Python3结合Dlib实现人脸识别和剪切

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)