Python3利用Dlib實(shí)現(xiàn)攝像頭實(shí)時(shí)人臉檢測(cè)和平鋪顯示示例

更新時(shí)間：2019年02月21日 15:09:36 作者：coneypo

這篇文章主要介紹了Python3利用Dlib實(shí)現(xiàn)攝像頭實(shí)時(shí)人臉檢測(cè)和平鋪顯示示例，文中通過(guò)示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧

1. 引言

在某些場(chǎng)景下，我們不僅需要進(jìn)行實(shí)時(shí)人臉檢測(cè)追蹤，還要進(jìn)行再加工；這里進(jìn)行攝像頭實(shí)時(shí)人臉檢測(cè)，并對(duì)于實(shí)時(shí)檢測(cè)的人臉進(jìn)行初步提取；

單個(gè)/多個(gè)人臉檢測(cè)，并依次在攝像頭窗口，實(shí)時(shí)平鋪顯示檢測(cè)到的人臉；

圖 1 動(dòng)態(tài)實(shí)時(shí)檢測(cè)效果圖

檢測(cè)到的人臉矩形圖像，會(huì)依次平鋪顯示在攝像頭的左上方；

當(dāng)多個(gè)人臉時(shí)候，也能夠依次鋪開(kāi)顯示；

左上角窗口的大小會(huì)根據(jù)捕獲到的人臉大小實(shí)時(shí)變化；

圖 2 單個(gè)/多個(gè)人臉情況下攝像頭識(shí)別顯示結(jié)果

2. 代碼實(shí)現(xiàn)

主要分為三個(gè)部分：

攝像頭調(diào)用，利用 OpenCv 里面的cv2.VideoCapture();

人臉檢測(cè)，這里利用開(kāi)源的 Dlib 框架，Dlib 中人臉檢測(cè)具體可以參考Python 3 利用 Dlib 19.7 進(jìn)行人臉檢測(cè)；

圖像填充，剪切部分可以參考Python 3 利用 Dlib 實(shí)現(xiàn)人臉檢測(cè)和剪切；

2.1 攝像頭調(diào)用

Python 中利用 OpenCv 調(diào)用攝像頭的一個(gè)例子how_to_use_camera.py:

# OpenCv 調(diào)用攝像頭
# 默認(rèn)調(diào)用筆記本攝像頭

# Author:  coneypo
# Blog:   http://www.cnblogs.com/AdaminXie
# GitHub:  https://github.com/coneypo/Dlib_face_cut
# Mail:   coneypo@foxmail.com

import cv2

cap = cv2.VideoCapture(0)

# cap.set(propId, value)
# 設(shè)置視頻參數(shù): propId - 設(shè)置的視頻參數(shù), value - 設(shè)置的參數(shù)值
cap.set(3, 480)

# cap.isOpened() 返回 true/false, 檢查攝像頭初始化是否成功
print(cap.isOpened())

# cap.read()
""" 
返回兩個(gè)值
  先返回一個(gè)布爾值, 如果視頻讀取正確, 則為 True, 如果錯(cuò)誤, 則為 False; 
  也可用來(lái)判斷是否到視頻末尾;
  
  再返回一個(gè)值, 為每一幀的圖像, 該值是一個(gè)三維矩陣;
  
  通用接收方法為: 
    ret,frame = cap.read();
    ret: 布爾值;
    frame: 圖像的三維矩陣;
    這樣 ret 存儲(chǔ)布爾值, frame 存儲(chǔ)圖像;
    
    若使用一個(gè)變量來(lái)接收兩個(gè)值, 如:
      frame = cap.read()
    則 frame 為一個(gè)元組, 原來(lái)使用 frame 處需更改為 frame[1]
"""

while cap.isOpened():
  ret_flag, img_camera = cap.read()
  cv2.imshow("camera", img_camera)

  # 每幀數(shù)據(jù)延時(shí) 1ms, 延時(shí)為0, 讀取的是靜態(tài)幀
  k = cv2.waitKey(1)

  # 按下 's' 保存截圖
  if k == ord('s'):
    cv2.imwrite("test.jpg", img_camera)

  # 按下 'q' 退出
  if k == ord('q'):
    break

# 釋放所有攝像頭
cap.release()

# 刪除建立的所有窗口
cv2.destroyAllWindows()

2.2 人臉檢測(cè)

利用 Dlib 正向人臉檢測(cè)器，dlib.get_frontal_face_detector()；

對(duì)于本地人臉圖像文件，一個(gè)利用 Dlib 進(jìn)行人臉檢測(cè)的例子:

face_detector_v2_use_opencv.py:

# created at 2017-11-27
# updated at 2018-09-06

# Author:  coneypo
# Dlib:   http://dlib.net/
# Blog:   http://www.cnblogs.com/AdaminXie/
# Github:  https://github.com/coneypo/Dlib_examples

# create object of OpenCv
# use OpenCv to read and show images

import dlib
import cv2

# 使用 Dlib 的正面人臉檢測(cè)器 frontal_face_detector
detector = dlib.get_frontal_face_detector()

# 圖片所在路徑
# read image
img = cv2.imread("imgs/faces_2.jpeg")

# 使用 detector 檢測(cè)器來(lái)檢測(cè)圖像中的人臉
# use detector of Dlib to detector faces
faces = detector(img, 1)
print("人臉數(shù) / Faces in all: ", len(faces))

# Traversal every face
for i, d in enumerate(faces):
  print("第", i+1, "個(gè)人臉的矩形框坐標(biāo)：",
     "left:", d.left(), "right:", d.right(), "top:", d.top(), "bottom:", d.bottom())
  cv2.rectangle(img, tuple([d.left(), d.top()]), tuple([d.right(), d.bottom()]), (0, 255, 255), 2)

cv2.namedWindow("img", 2)
cv2.imshow("img", img)
cv2.waitKey(0)

圖 3 參數(shù) d.top(), d.right(), d.left(), d.bottom() 位置坐標(biāo)說(shuō)明

2.3 圖像裁剪

如果想訪(fǎng)問(wèn)圖像的某點(diǎn)像素，對(duì)于 opencv 對(duì)象可以利用索引 img [height] [width]：

存儲(chǔ)像素其實(shí)是一個(gè)三維數(shù)組，先高度 height，然后寬度 width;

返回的是一個(gè)顏色數(shù)組（0-255，0-255，0-255），按照（B,G,R）的順序；

比如藍(lán)色就是（255，0，0），紅色是（0，0，255）;

所以要做的就是對(duì)于檢測(cè)到的人臉，要依次平鋪填充到攝像頭顯示的實(shí)時(shí)幀 img_rd 中；

所以進(jìn)行圖像裁剪填充這塊的代碼如下（注意要防止截切平鋪的圖像不能超出 640x480 ）:

# 檢測(cè)到人臉
if len(faces) != 0:
  # 記錄每次開(kāi)始寫(xiě)入人臉像素的寬度位置
  faces_start_width = 0

  for face in faces:
    # 繪制矩形框
    cv2.rectangle(img_rd, tuple([face.left(), face.top()]), tuple([face.right(), face.bottom()]),
           (0, 255, 255), 2)

    height = face.bottom() - face.top()
    width = face.right() - face.left()

    ### 進(jìn)行人臉裁減 ###
    # 如果沒(méi)有超出攝像頭邊界
    if (face.bottom() < 480) and (face.right() < 640) and \
        ((face.top() + height) < 480) and ((face.left() + width) < 640):
      # 填充
      for i in range(height):
        for j in range(width):
          img_rd[i][faces_start_width + j] = \
            img_rd[face.top() + i][face.left() + j]

    # 更新 faces_start_width 的坐標(biāo)
    faces_start_width += width

記得要更新faces_start_width的坐標(biāo)，達(dá)到依次平鋪的效果:

圖 4 平鋪顯示的人臉

2.4. 完整源碼

faces_from_camera.py:

# 調(diào)用攝像頭實(shí)時(shí)單個(gè)/多個(gè)人臉檢測(cè)，并依次在攝像頭窗口，實(shí)時(shí)平鋪顯示檢測(cè)到的人臉；

# Author:  coneypo
# Blog:   http://www.cnblogs.com/AdaminXie
# GitHub:  https://github.com/coneypo/Dlib_face_cut

import dlib
import cv2
import time

# 儲(chǔ)存截圖的目錄
path_screenshots = "data/images/screenshots/"

detector = dlib.get_frontal_face_detector()
predictor = dlib.shape_predictor('data/dlib/shape_predictor_68_face_landmarks.dat')

# 創(chuàng)建 cv2 攝像頭對(duì)象
cap = cv2.VideoCapture(0)

# 設(shè)置視頻參數(shù)，propId 設(shè)置的視頻參數(shù)，value 設(shè)置的參數(shù)值
cap.set(3, 960)

# 截圖 screenshots 的計(jì)數(shù)器
ss_cnt = 0

while cap.isOpened():
  flag, img_rd = cap.read()

  # 每幀數(shù)據(jù)延時(shí) 1ms，延時(shí)為 0 讀取的是靜態(tài)幀
  k = cv2.waitKey(1)

  # 取灰度
  img_gray = cv2.cvtColor(img_rd, cv2.COLOR_RGB2GRAY)

  # 人臉數(shù)
  faces = detector(img_gray, 0)

  # 待會(huì)要寫(xiě)的字體
  font = cv2.FONT_HERSHEY_SIMPLEX

  # 按下 'q' 鍵退出
  if k == ord('q'):
    break
  else:
    # 檢測(cè)到人臉
    if len(faces) != 0:
      # 記錄每次開(kāi)始寫(xiě)入人臉像素的寬度位置
      faces_start_width = 0

      for face in faces:
        # 繪制矩形框
        cv2.rectangle(img_rd, tuple([face.left(), face.top()]), tuple([face.right(), face.bottom()]),
               (0, 255, 255), 2)

        height = face.bottom() - face.top()
        width = face.right() - face.left()

        ### 進(jìn)行人臉裁減 ###
        # 如果沒(méi)有超出攝像頭邊界
        if (face.bottom() < 480) and (face.right() < 640) and \
            ((face.top() + height) < 480) and ((face.left() + width) < 640):
          # 填充
          for i in range(height):
            for j in range(width):
              img_rd[i][faces_start_width + j] = \
                img_rd[face.top() + i][face.left() + j]

        # 更新 faces_start_width 的坐標(biāo)
        faces_start_width += width

      cv2.putText(img_rd, "Faces in all: " + str(len(faces)), (20, 350), font, 0.8, (0, 0, 0), 1, cv2.LINE_AA)

    else:
      # 沒(méi)有檢測(cè)到人臉
      cv2.putText(img_rd, "no face", (20, 350), font, 0.8, (0, 0, 0), 1, cv2.LINE_AA)

    # 添加說(shuō)明
    img_rd = cv2.putText(img_rd, "Press 'S': Screen shot", (20, 400), font, 0.8, (255, 255, 255), 1, cv2.LINE_AA)
    img_rd = cv2.putText(img_rd, "Press 'Q': Quit", (20, 450), font, 0.8, (255, 255, 255), 1, cv2.LINE_AA)

  # 按下 's' 鍵保存
  if k == ord('s'):
    ss_cnt += 1
    print(path_screenshots + "screenshot" + "_" + str(ss_cnt) + "_" + time.strftime("%Y-%m-%d-%H-%M-%S",
                                            time.localtime()) + ".jpg")
    cv2.imwrite(path_screenshots + "screenshot" + "_" + str(ss_cnt) + "_" + time.strftime("%Y-%m-%d-%H-%M-%S",
                                               time.localtime()) + ".jpg",
          img_rd)

  cv2.namedWindow("camera", 1)
  cv2.imshow("camera", img_rd)

# 釋放攝像頭
cap.release()

# 刪除建立的窗口
cv2.destroyAllWindows()

這個(gè)代碼就是把之前做的人臉檢測(cè)，圖像拼接幾個(gè)結(jié)合起來(lái)，代碼量也很少，只有100行，如有問(wèn)題可以參考之前博客：

Python 3 利用 Dlib 進(jìn)行人臉檢測(cè)

Python 3 利用 Dlib 實(shí)現(xiàn)人臉檢測(cè)和剪切

人臉檢測(cè)對(duì)于機(jī)器性能占用不高，但是如果要進(jìn)行實(shí)時(shí)的圖像裁剪拼接，計(jì)算量可能比較大，所以可能會(huì)出現(xiàn)卡頓；

以上就是本文的全部?jī)?nèi)容，希望對(duì)大家的學(xué)習(xí)有所幫助，也希望大家多多支持腳本之家。

您可能感興趣的文章: