樹莓派上利用python+opencv+dlib實(shí)現(xiàn)嘴唇檢測(cè)的實(shí)現(xiàn)

更新時(shí)間：2021年10月31日 09:29:13 作者：若水上善666

本文主要介紹了樹莓派上利用python+opencv+dlib實(shí)現(xiàn)嘴唇檢測(cè)的實(shí)現(xiàn)，文中通過示例代碼介紹的非常詳細(xì)，具有一定的參考價(jià)值，感興趣的小伙伴們可以參考一下

項(xiàng)目的目標(biāo)是在樹莓派上運(yùn)行python代碼以實(shí)現(xiàn)嘴唇檢測(cè)，本來以為樹莓派的硬件是可以流暢運(yùn)行實(shí)時(shí)檢測(cè)的，但是實(shí)驗(yàn)的效果表明樹莓派實(shí)時(shí)檢測(cè)是不可行，后面還需要改進(jìn)。

實(shí)驗(yàn)的效果如下：

在這里插入圖片描述

1、安裝相關(guān)庫文件

這里需要用的庫有opencv，numpy，dlib。

1.1 安裝opencv

pip3 install opencv-python

1.2 安裝numpy

樹莓派中自帶了numpy庫

pip3 install numpy

1.3 安裝dlib

在樹莓派的系統(tǒng)里面安裝dlib比較簡(jiǎn)單，只需要pip install就可以了，但是在window系統(tǒng)中會(huì)有報(bào)錯(cuò)，這個(gè)時(shí)候我們就需要安裝pip install dlib-19.17.99-cp37-cp37m-win_amd64.whl就可以了, 需要注意的是： 不同的python版本要安裝對(duì)應(yīng)版本的dlib，也就是后面的“cp37-cp37m”，查看對(duì)應(yīng)python能安裝的版本號(hào)，可以使用命令行：pip debug --verbose，可以顯示合適的安裝版本號(hào)。
在樹莓派上我安裝了cmake和dlib

pip3 install cmake
pip3 install dlib

2、代碼部分

dlib提取人臉特征中包含68個(gè)點(diǎn)

在這里插入圖片描述

顎點(diǎn)= 0–16
右眉點(diǎn)= 17–21
左眉點(diǎn)= 22–26
鼻點(diǎn)= 27–35
右眼點(diǎn)= 36–41
左眼點(diǎn)= 42–47
口角= 48–60
嘴唇分?jǐn)?shù)= 61–67

from gpiozero import LED
from time import sleep
from subprocess import check_call
import cv2
import numpy as np
import dlib

print(cv2.__version__)
def search_cap_num():
    for i in range(2000):
        cap = cv2.VideoCapture(i)
        cap_opened = cap.isOpened()
        if cap_opened == True:
            return i
        
cap_num = search_cap_num()
cap = cv2.VideoCapture(cap_num)

detector = dlib.get_frontal_face_detector()
predictor = dlib.shape_predictor("shape_predictor_68_face_landmarks.dat")

# 規(guī)定上嘴唇和下嘴唇連線的路徑
lip_order_dlib = np.array([[48, 49, 50, 51, 52, 53, 54, 64, 63, 62, 61, 60, 48],
                           [48, 59, 58, 57, 56, 55, 54, 64, 65, 66, 67, 60, 48]]) - 48
lip_order_num = lip_order_dlib.shape[1]

while 1:
    landmarks_lip = []
    ret, frame = cap.read()
    gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
    rects = detector(gray, 1)
    print('faces number:' + str(len(rects)))
    for (i, rect) in enumerate(rects):
        # 標(biāo)記人臉中的68個(gè)landmark點(diǎn)
        landmarks = predictor(gray, rect)  
        for n in range(48, 68):
            x = landmarks.part(n).x
            y = landmarks.part(n).y
            landmarks_lip.append((x, y))
            # cv2.circle(img=img, center=(x, y), radius=3, color=(0, 255, 0), thickness=-1)
        for m in range(lip_order_num-1):
            cv2.line(frame, landmarks_lip[lip_order_dlib[0][m]], landmarks_lip[lip_order_dlib[0][m+1]], color=(0, 255, 0), thickness=2, lineType=8)
        for n in range(lip_order_num-1):
            cv2.line(frame, landmarks_lip[lip_order_dlib[1][n]], landmarks_lip[lip_order_dlib[1][n+1]], color=(0, 255, 0), thickness=2, lineType=8)
    cv2.imshow("face", frame)
    if cv2.waitKey(1) & 0xff == ord('q'):
        break
cap.release()
cv2.destroyAllWindows()
# check_call(['sudo', 'poweroff'])

3、實(shí)驗(yàn)效果

請(qǐng)?zhí)砑訄D片描述

效果總體而言比較卡頓，感覺分析一張圖片花費(fèi)時(shí)間在秒量級(jí)上。
要是僅僅是顯示攝像頭的圖片還是很快的，沒有任何卡頓，也就是說如果代碼中不存在rects = detector(gray, 1)這種獲取人臉區(qū)域的檢測(cè)命令，那么運(yùn)行速度大大提高，后面需要思考怎么在人臉檢測(cè)下提高代碼運(yùn)行速度。

到此這篇關(guān)于樹莓派上利用python+opencv+dlib實(shí)現(xiàn)嘴唇檢測(cè)的實(shí)現(xiàn)的文章就介紹到這了,更多相關(guān)python+opencv+dlib嘴唇檢測(cè)內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

您可能感興趣的文章: