Python學習--使用dlib、opencv進行人臉檢測標註

參考自https://www.pyimagesearch.com/2017/04/03/facial-landmarks-dlib-opencv-python/ 

在原有基礎上有一部分的修改(image改成可選參數，若不填則爲拍照後選取），若是有想深刻學習的，能夠去關注這位‘吳克’先生的文章。

本文不涉及關於人臉檢測的訓練部分（雖然以後隨着學習深刻我會再發相關的隨筆），只是簡單的用輪子。

 

今天咱們來使用dlib和opencv進行人臉的檢測標註

　　首先安裝opencv和dlib的方法

pip install dlib
pip install opencv-python

　　本程序中還使用了imutils用於resize圖片，安裝方法以下

pip install imutils

　　dlib中爲咱們提供了關於人臉檢測標註訓練好的文件 可在http://dlib.net/files/shape_predictor_68_face_landmarks.dat.bz2下載（若是在參考網頁下載到的例程中也包含了這個文件了）

　　訓練好的文件可識別人臉的68個關鍵點並標註（關鍵點越少確定越容易致使識別錯誤）

本程序運行方法：若.py和shape_predictor_68_face_landmarks.dat以及須要檢測的圖片在同一目錄下，在當前目錄console中輸入

　python my_facial_landmarks.py -p shape_predictor_68_face_landmarks.dat -i guanhai.jpg

　　　　　　　　或採用拍照識別的方式，輸入

python my_facial_landmarks.py -p shape_predictor_68_face_landmarks.dat

　　　　　　　　在圖片框中按q完成拍照

　　　　　　　　以後會顯示標註後的照片

例如輸入以下圖片運行截圖

　　拍照而後識別就不舉例了吧，你們能夠自行嘗試

代碼以下my_facial_landmarks.py

from imutils import face_utilsimport argparseimport imutilsimport dlibimport cv2def takephoto():    cap = cv2.VideoCapture(0)    while (1):        # get a frame        ret, frame = cap.read()        # show a frame        cv2.imshow("capture", frame)        if cv2.waitKey(1) & 0xFF == ord('q'):#按q鍵完成照相            # cv2.imwrite("./test0.jpg", frame) 保存照片，但在這裏咱們並不須要            return frame#返回圖片    cap.release()    cv2.destroyAllWindows()def main():    # construct the argument parser and parse the arguments 使用argparse設置輸入所需的實參    ap = argparse.ArgumentParser()    ap.add_argument("-p", "--shape-predictor", required=True, #訓練好的關於檢測的文件                    help="path to facial landmark predictor")    ap.add_argument("-i", "--image", required=False,default='0',  #圖片                    help="path to input image")    args = vars(ap.parse_args())    # initialize dlib's face detector (HOG-based) and then create    # the facial landmark predictor    #初始化dlib人臉檢測（基於HOG），而後建立面部標誌預測器    detector = dlib.get_frontal_face_detector()    predictor = dlib.shape_predictor(args["shape_predictor"])    # load the input image, resize it, and convert it to grayscale    if args['image'] != '0':        image = cv2.imread(args['image'])#輸入圖片實參則讀入圖片    else:        image = takephoto()#若未輸入則進行照相操做    image = imutils.resize(image, width=500)  # 調整圖片寬度爲500    gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)#圖片調整爲灰色    # detect faces in the grayscale image 檢測灰度圖像中的面部    rects = detector(gray, 1)    # loop over the face detections 循環進行人臉的檢測    for (i, rect) in enumerate(rects):        # determine the facial landmarks for the face region, then        # convert the facial landmark (x, y)-coordinates to a NumPy        # array        # 肯定面部區域的面部標誌，而後將面部標誌（x，y）座標轉換成NumPy陣列        shape = predictor(gray, rect)        shape = face_utils.shape_to_np(shape)        # convert dlib's rectangle to a OpenCV-style bounding box        # [i.e., (x, y, w, h)], then draw the face bounding box        #將dlib矩形轉換爲OpenCV樣式的邊界框[即（x，y，w，h）]，而後繪製邊界框        (x, y, w, h) = face_utils.rect_to_bb(rect)        cv2.rectangle(image, (x, y), (x + w, y + h), (0, 255, 0), 2)        # show the face number 人臉序號的標記（可識別多張）        cv2.putText(image, "Face #{}".format(i + 1), (x - 10, y - 10),                    cv2.FONT_HERSHEY_SIMPLEX, 0.5, (0, 255, 0), 2)        # loop over the (x, y)-coordinates for the facial landmarks        # and draw them on the image        #循環找到面部地關鍵點的（x，y）座標並在圖像上繪製它們        for (x, y) in shape:            cv2.circle(image, (x, y), 1, (0, 0, 255), -1)    # show the output image with the face detections + facial landmarks    #用臉部檢測+面部標誌顯示輸出圖像    cv2.imshow("Output", image)    cv2.waitKey(0)if __name__ == '__main__':    main()