50行代碼實現人臉檢測

如今的人臉識別技術已經獲得了很是普遍的應用，支付領域、身份驗證、美顏相機裏都有它的應用。下面小編給你們帶來了基於50行Python代碼實現人臉檢測功能，一塊兒看看吧。

如今的人臉識別技術已經獲得了很是普遍的應用，支付領域、身份驗證、美顏相機裏都有它的應用。用iPhone的同窗們應該對下面的功能比較熟悉。

iPhone的照片中有一個「人物」的功能，可以將照片裏的人臉識別出來並分類，背後的原理也是人臉識別技術。

這篇文章主要介紹怎樣用Python實現人臉檢測。人臉檢測是人臉識別的基礎。人臉檢測的目的是識別出照片裏的人臉並定位面部特徵點，人臉識別是在人臉檢測的基礎上進一步告訴你這我的是誰。

好了，介紹就到這裏。接下來，開始準備咱們的環境。

準備工做

本文的人臉檢測基於dlib，dlib依賴Boost和cmake，因此首先須要安裝這些包，以Ubuntu爲例：

$ sudo apt-get install build-essential cmake

$ sudo apt-get install libgtk-3-dev

$ sudo apt-get install libboost-all-dev

咱們的程序中還用到numpy，opencv，因此也須要安裝這些庫：

$ pip install numpy

$ pip install scipy

$ pip install opencv-python

$ pip install dlib

人臉檢測基於事先訓練好的模型數據，從這裏能夠下到模型數據

http://dlib.net/files/shape_p...

下載到本地路徑後解壓，記下解壓後的文件路徑，程序中會用到。

dlib的人臉特徵點

上面下載的模型數據是用來估計人臉上68個特徵點(x, y)的座標位置，這68個座標點的位置以下圖所示

咱們的程序將包含兩個步驟：

第一步，在照片中檢測人臉的區域

第二部，在檢測到的人臉區域中，進一步檢測器官（眼睛、鼻子、嘴巴、下巴、眉毛）

人臉檢測代碼

咱們先來定義幾個工具函數：

defrect_to_bb(rect):

  x =rect.left()

  y =rect.top()

  w =rect.right() -x

  h =rect.bottom() -y  

  return(x, y, w, h)

這個函數裏的rect是dlib臉部區域檢測的輸出。這裏將rect轉換成一個序列，序列的內容是矩形區域的邊界信息。

defshape_to_np(shape, dtype="int"):

  coords =np.zeros((68, 2), dtype=dtype)  

  fori inrange(0, 68):

      coords[i] =(shape.part(i).x, shape.part(i).y)  

  returncoords

這個函數裏的shape是dlib臉部特徵檢測的輸出，一個shape裏包含了前面說到的臉部特徵的68個點。這個函數將shape轉換成Numpy array，爲方便後續處理。

defresize(image, width=1200):

  r =width *1.0/image.shape[1]

  dim =(width, int(image.shape[0] *r))

  resized =cv2.resize(image, dim, interpolation=cv2.INTER_AREA)  

  returnresized

這個函數裏的image就是咱們要檢測的圖片。在人臉檢測程序的最後，咱們會顯示檢測的結果圖片來驗證，這裏作resize是爲了不圖片過大，超出屏幕範圍。

接下來，開始咱們的主程序部分

importsys importnumpy as np

importdlib importcv2

iflen(sys.argv) < 2:  

  print"Usage: %s <image file>"%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")

咱們從sys.argv[1]參數中讀取要檢測人臉的圖片，接下來初始化人臉區域檢測的detector和人臉特徵檢測的predictor。shape_predictor中的參數就是咱們以前解壓後的文件的路徑。

image =cv2.imread(image_file)

image =resize(image, width=1200)

gray =cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

rects =detector(gray, 1)

在檢測特徵區域前，咱們先要檢測人臉區域。這段代碼調用opencv加載圖片，resize到合適的大小，轉成灰度圖，最後用detector檢測臉部區域。由於一張照片可能包含多張臉，因此這裏獲得的是一個包含多張臉的信息的數組rects。

for(i, rect) inenumerate(rects):

  shape =predictor(gray, rect)

  shape =shape_to_np(shape)

  (x, y, w, h) =rect_to_bb(rect)

  cv2.rectangle(image, (x, y), (x +w, y +h), (0, 255, 0), 2)

  cv2.putText(image, "Face #{}".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("Output", image)

cv2.waitKey(0)

對於每一張檢測到的臉，咱們進一步檢測臉部的特徵（鼻子、眼睛、眉毛等）。對於臉部區域，咱們用綠色的框在照片上標出；對於臉部特徵，咱們用紅色的點標出來。

最後咱們把加了檢測標識的照片顯示出來，waitKey(0)表示按任意鍵可退出程序。

以上是咱們程序的所有

測試

接下來是使人興奮的時刻，檢驗咱們結果的時刻到來了。

下面是原圖

下面是程序識別的結果

能夠看到臉部區域被綠色的長方形框起來了，臉上的特徵（鼻子，眼睛等）被紅色點點標識出來了。

是否是很簡單呢。

總結

以上所述是小編給你們介紹的50行Python代碼實現人臉檢測功能，但願對你們有所幫助，若是你們有任何疑問請給我留言，小編會及時回覆你們的。