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

支付宝人脸识别被“破解”,我们的钱不安全了么?

技术总归是不断发展进步的,坏人掌握的技术也是一样。并且,任何一个技术都有被黑被破解的可能,只是成本问题。

徐九 ·  3天前
为什么用Go编写机器学习的基础架构,而不是Python?

虽然Python是使用广泛的语言,并用于每个主要的机器学习框架中。然而,你能想象?在Cortex(将机器学习模型部署为API的开放源代码平台之一)代码库中,87.5%的代码都是使用GO编写。

读芯术 ·  3天前
如何用人脸识别自动给头像添加口罩及护目镜

此项目使用人脸识别自动给头像添加口罩及护目镜,仅为呼吁大家积极佩戴口罩及护目镜,为武汉及奋斗在第一线的医护人员加油!

Evilran ·  4天前
人脸识别背后:可怕的不是技术,而是……

当下AI程序到底会用人类面孔做什么?有多少的恐惧是来源于传言,而非摆在面前的事实?技术的力量是否让人类的担忧不断增多?我们来一起想想这个问题。

读芯术 ·  2020-02-12 22:20:39
Golang还是Python?哪种语言更适合AI?

Google所开发的Golang正在成为机器学习和AI的主流编程语言,全球已有数百万用户。那么很多IT技术人员肯定会有这样的疑问,前些年火起来的Python在科学计算及AI领域也有广泛应用,那么这两者今后谁才是AI的菜呢?

橘子键盘手 ·  2020-02-07 12:55:29
30 亿图库,一张照片就能查个人信息!人脸识别再爆隐私争议

这个时代,你的个人信息在手机里的比家里更多。想象一下,那么多生活细节都能放进口袋里,这让隐私问题变得比以往更重要。

Rachel ·  2020-01-21 21:20:00
未来面部识别技术的最大问题是几乎不会出错

近年来,面部识别技术总被推上舆论的风口浪尖,比如针对女性和有色人种的误报率太高、以及对个人自由和隐私的不利影响。在美国众议院监督委员会的第三次专场听证会上,议员希望解决私人企业和政府机构在公共场所使用该技术的一些问题。

佚名 ·  2020-01-16 15:51:32
人脸识别背后:可怕的不是技术

此前,AI换脸软件ZAO的一夜爆红,不仅让其服务器陷入了“满负荷至崩溃运行“的危机之中,也将用户的安全与隐私暴露在种种危险地带。

读芯术 ·  2020-01-13 15:05:24
Copyright©2005-2020 51CTO.COM 版权所有 未经许可 请勿转载