50行Python代码实现人脸检测_0

人脸识别技术已经被广泛应用，包括支付、身份验证、美颜相机等。使用iPhone的同学应该熟悉以下功能。iPhone的照片中有一个“人物”功能，可以对照片中的人脸进行识别和分类。背后的原理也是人脸识别技术。本文主要介绍如何用Python实现人脸检测。人脸检测是人脸识别的基础。人脸检测的目的是识别照片中的人脸，定位面部特征点。人脸识别是根据人脸检测进一步告诉你这个人是谁。好了，介绍到此为止。接下来，开始准备我们的环境。准备工作本文人脸检测基于dlib，依赖Boost和cmake，所以需要先安装这些包，以Ubuntu为例：$sudoapt-getinstallbuild-essentialcmake$sudoapt-getinstalllibgtk-3-dev$sudoapt-getinstalllibboost-all-dev我们在程序中也使用了numpy和opencv，所以我们还需要安装这些库：下载模型数据http://dlib.net/files/shape_predictor_68_face_landmarks.dat.bz2下载到本地路径并解压。记下解压后的文件路径，程序中会用到。dlib的人脸特征点上面下载的模型数据用于估计人脸68个特征点(x,y)的坐标位置。这68个坐标点的位置如下图所示：我们的程序将包含两个步骤：第一步是检测照片中的人脸区域。第二部分是对检测到的人脸区域进一步检测器官（眼睛、鼻子、嘴巴、下巴、眉毛）。我们先定义人脸检测代码。几个实用函数：defrect_to_bb(rect):x=rect.left()y=rect.top()w=rect.right()-xh=rect.bottom()-yreturn(x,y,w,h)这个函数中的rect是dlib人脸区域检测的输出。这里将rect转化为一个序列，序列的内容就是矩形区域的边界信息。defshape_to_np(shape,dtype="int"):coords=np.zeros((68,2),dtype=dtype)foriinrange(0,68):coords[i]=(shape.part(i).x,shape.part(i).y)returncoords函数中的shape是dlib人脸特征检测的输出。一个形状包含上述五官的68个点。此函数将形状转换为Numpy数组以供后续处理。defresize(image,width=1200):r=width*1.0/image.shape[1]dim=(width,int(image.shape[0]*r))resized=cv2.resize(image,dim,插值=cv2.INTER_AREA)returnresized函数中的图像就是我们要检测的图像。在人脸检测程序的最后，我们会展示检测结果图片以供验证。这里调整大小的目的是防止图片过大超出屏幕范围。接下来开始我们的主程序importsysimportnumpyasnpimportdlibimportcv2iflen(sys.argv)<2:print"Usage:%s"%sys.argv[0]sys.exit(1)image_file=sys.argv[1]detector=dlib。get_frontal_face_detector()predictor=dlib.shape_predictor("shape_predictor_68_face_landmarks.dat")我们从sys.argv[1]参数中读取图片来检测人脸，然后初始化检测器和人脸特征进行人脸区域检测检测预测器。shape_predictor中的参数就是我们之前解压出来的文件的路径。image=cv2.imread(image_file)image=resize(image,width=1200)gray=cv2.cvtColor(image,cv2.COLOR_BGR2GRAY)rects=detector(gray,1)在检测特征区域之前，我们首先要检测人脸区域。这段代码调用opencv加载图片，resize到合适大小，转成灰度图，最后用detector检测人脸区域。因为一张照片可能包含多张人脸，所以这里得到的是一个包含多张人脸信息的数组rect。对于（i，rect）inenumerate（rects）：shape=predictor（gray，rect）shape=shape_to_np（shape）（x，y，w，h）=rect_to_bb（rect）cv2.rectangle（图像，（x，y）,(x+w,y+h),(0,255,0),2)cv2.putText(图像,"人脸#{}".format(i+1),(x-10,y-10),cv2.FONT_HERSHEY_SIMPLEX,0.5,(0,255,0),2)for(x,y)inshape:cv2.circle(image,(x,y),2,(0,0,255),-1)cv2.imshow("输出",image)cv2.waitKey(0)对于每个检测到的人脸，我们进一步检测人脸的特征（鼻子、眼睛、眉毛等）。对于面部区域，我们用绿色框标记照片；对于面部特征，我们用红点标记它们。***我们显示带有检测标记的照片，waitKey(0)表示按任意键退出程序。这就是我们程序的所有测试现在到了激动人心的时刻，是时候检查我们的结果了。下面是原图，下面是程序识别的结果。你可以看到面部区域被一个绿色的矩形框起来，面部特征（鼻子、眼睛等）用红点标记。是不是很简单？