50行Python代码实现人脸检测

作者: 强哥 2018-01-23 09:17:22

50行Python代码实现人脸检测

现在的人脸识别技术已经得到了非常广泛的应用,支付领域、身份验证、美颜相机里都有它的应用。用iPhone的同学们应该对下面的功能比较熟悉

50行Python代码实现人脸检测

iPhone的照片中有一个“人物”的功能,能够将照片里的人脸识别出来并分类,背后的原理也是人脸识别技术。

这篇文章主要介绍怎样用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出照片里的人脸并定位面部特征点,人脸识别是在人脸检测的基础上进一步告诉你这个人是谁。

好了,介绍就到这里。接下来,开始准备我们的环境。

准备工作

本文的人脸检测基于dlib,dlib依赖Boost和cmake,所以首先需要安装这些包,以Ubuntu为例:

  1. $ sudo apt-get install build-essential cmake 
  2.  
  3. $ sudo apt-get install libgtk-3-dev 
  4.  
  5. $ sudo apt-get install libboost-all-dev 

我们的程序中还用到numpy,opencv,所以也需要安装这些库:

  1. $ pip install numpy 
  2.  
  3. $ pip install scipy 
  4.  
  5. $ pip install opencv-python 
  6.  
  7. $ pip install dlib 

人脸检测基于事先训练好的模型数据,从这里可以下到模型数据

  1. https://dlib.net/files/shape_predictor_68_face_landmarks.dat.bz2 

下载到本地路径后解压,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是用来估计人脸上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:

***步,在照片中检测人脸的区域

第二部,在检测到的人脸区域中,进一步检测器官(眼睛、鼻子、嘴巴、下巴、眉毛)

人脸检测代码

我们先来定义几个工具函数:

  1. def rect_to_bb(rect): 
  2.  
  3.     x = rect.left() 
  4.  
  5.     y = rect.top() 
  6.  
  7.     w = rect.right() - x  
  8.  
  9.     h = rect.bottom() - y      
  10.  
  11.    return (x, y, w, h) 

这个函数里的rect是dlib脸部区域检测的输出。这里将rect转换成一个序列,序列的内容是矩形区域的边界信息。

  1. def shape_to_np(shape, dtype="int"): 
  2.  
  3.     coords = np.zeros((68, 2), dtype=dtype)     
  4.  
  5.     for i in range(0, 68): 
  6.  
  7.             coords[i] = (shape.part(i).x, shape.part(i).y)     
  8.  
  9.    return coords 

这个函数里的shape是dlib脸部特征检测的输出,一个shape里包含了前面说到的脸部特征的68个点。这个函数将shape转换成Numpy array,为方便后续处理。

  1. def  resize(image, width=1200): 
  2.  
  3.     r = width * 1.0 / image.shape[1] 
  4.  
  5.     dim = (width, int(image.shape[0] * r))  
  6.  
  7.     resized = cv2.resize(image, dim, interpolation=cv2.INTER_AREA)     
  8.  
  9.     return resized 

这个函数里的image就是我们要检测的图片。在人脸检测程序的***,我们会显示检测的结果图片来验证,这里做resize是为了避免图片过大,超出屏幕范围。

接下来,开始我们的主程序部分

  1. import sys import numpy as np 
  2.  
  3. import dlib import cv2  
  4.  
  5. if len(sys.argv) < 2:     
  6.  
  7.     print "Usage: %s <image file>" % sys.argv[0] 
  8.  
  9.     sys.exit(1) 
  10.  
  11. image_file = sys.argv[1] 
  12.  
  13. detector = dlib.get_frontal_face_detector() 
  14.  
  15. predictor = dlib.shape_predictor("shape_predictor_68_face_landmarks.dat"

我们从sys.argv[1]参数中读取要检测人脸的图片,接下来初始化人脸区域检测的detector和人脸特征检测的predictor。shape_predictor中的参数就是我们之前解压后的文件的路径。

  1. image = cv2.imread(image_file) 
  2.  
  3. image = resize(image, width=1200) 
  4.  
  5. gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY) 
  6.  
  7. rects = detector(gray, 1) 

在检测特征区域前,我们先要检测人脸区域。这段代码调用opencv加载图片,resize到合适的大小,转成灰度图,***用detector检测脸部区域。因为一张照片可能包含多张脸,所以这里得到的是一个包含多张脸的信息的数组rects。

  1. for (i, rect) in enumerate(rects): 
  2.  
  3.     shape = predictor(gray, rect) 
  4.  
  5.     shape = shape_to_np(shape) 
  6.  
  7.     (x, y, w, h) = rect_to_bb(rect) 
  8.  
  9.     cv2.rectangle(image, (x, y), (x + w, y + h), (0, 255, 0), 2) 
  10.  
  11.     cv2.putText(image, "Face #{}".format(i + 1), (x - 10, y - 10), cv2.FONT_HERSHEY_SIMPLEX, 0.5, (0, 255, 0), 2)     
  12.  
  13. for (x, y) in shape: 
  14.  
  15.             cv2.circle(image, (x, y), 2, (0, 0, 255), -1)  
  16.  
  17. cv2.imshow("Output", image) 
  18.  
  19. cv2.waitKey(0) 

对于每一张检测到的脸,我们进一步检测脸部的特征(鼻子、眼睛、眉毛等)。对于脸部区域,我们用绿色的框在照片上标出;对于脸部特征,我们用红色的点标出来。

***我们把加了检测标识的照片显示出来,waitKey(0)表示按任意键可退出程序。

以上是我们程序的全部

测试

接下来是令人兴奋的时刻,检验我们结果的时刻到来了。

下面是原图

下面是程序识别的结果

可以看到脸部区域被绿色的长方形框起来了,脸上的特征(鼻子,眼睛等)被红色点点标识出来了。

是不是很简单?

Python 人脸识别
上一篇:邬剑:nEqual助力企业打造超级用户体验的智慧商业 下一篇:主搜索与店铺内搜索联合优化的初步探索与尝试
评论
取消
暂无评论,快去成为第一个评论的人吧

更多资讯推荐

“人脸识别”已衍生出“性格识别”,科技向善还要多久?

近日,《科学报告》期刊上刊登了一篇有关于人脸识别的新技术,俄罗斯研究团队开发了一款新 AI,可“仅凭一张自拍照片辨别个人性格”。

缙霄 ·  21h前
GitHub近10万星:印度小哥用Python和Java实现所有AI算法

今天两个算法实现的项目又登上了GitHub热榜,每逢招聘季必上榜?此前,这两个项目曾多次登顶,分别用Python和Java实现了面试中常考的算法,AI行业就业形势日趋严峻,而算法岗更是竞争激烈,是时候复习一下基本功了!

佚名 ·  2020-05-19 14:27:10
微软计算机视觉创研论坛首日干货:3项前沿检测技术解读

5月15日消息,昨日上午9点,微软亚洲研究院创研论坛CVPR 2020论文分享会线上开幕。

董温淑 ·  2020-05-15 14:25:19
再也不怕别人动电脑了!用Python实时监控

最近突然有个奇妙的想法,就是当我对着电脑屏幕的时候,电脑会先识别屏幕上的人脸是否是本人,如果识别是本人的话需要回答电脑说的暗语,答对了才会解锁并且有三次机会。

佚名 ·  2020-05-07 09:05:22
反人脸识别技术层出不穷 刷脸是否还安全?

当今应用较为成熟且广泛的智能技术有哪些?人脸识别算是一例。《麻省理工科技评论》曾将其列为2017年“十大突破性技术”之一。

佚名 ·  2020-04-29 09:34:54
这就是人脸和图像识别越来越重要的原因

今天的人脸和图像识别被认为是所有生物特征测量中最自然的。无论是机场、办公室,甚至是学校,人脸和图像识别都可以在很多地方进行。

Cassie ·  2020-04-26 16:05:01
人像信息安全要“内外联控”

防疫期间,戴口罩成为人们日常外出的必要装备。戴口罩的人脸识别技术已在实际中应用。让人不齿的是,近日有不法分子竟在网上搜集并兜售戴口罩的脸部照片。戴口罩的面部信息是重要隐私,一旦泄露,风险巨大。

郑云天 ·  2020-04-20 10:01:01
2020年及以后的软件开发趋势

新的十年即将到来,随之而来的是对技术变革和趋势的兴奋之潮。 软件开发已成为世界几乎每个部门不可或缺的一部分,因此软件开发的发展和变化对我们的生活产生了巨大影响。 尽管我们无法始终准确地预测技术的发展前景,但我们仍有望在新的十年中延续一些趋势。

闻数起舞 ·  2020-04-17 18:00:01
Copyright©2005-2020 51CTO.COM 版权所有 未经许可 请勿转载