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:

第一步,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。在人脸检测程序的最后,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,最后用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。

最后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:2018年人工智能发展五大预测 下一篇:李伟博士白话区块链:技术原理、落地应用及与AI融合
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

为了顺应人工智能的潮流,该学Python还是C/C++?答案就在这里

人工智能在现代世界中变得越来越相似,其中一切都是由数据和自动化驱动的。我们将日常生活中的很大一部分用于与智能设备进行交互。人工智能是这一切的核心,它正在成为我们不断变化的生活方式中不可或缺的一部分。

编程小火车 ·  22h前
人脸识别有风险,美国全面禁止,可为什么中国却全面推广?

对于大多数人而言,最先接触的就是指纹识别,对指纹识别的了解程度也相对比较深一些,然而随着科技的不断发展,人脸识别也越来越普及,所谓的人脸识别就是基于人的脸部特征信息进行身份识别的一种生物识别技术,用摄像头或摄像机采集含有人脸的图像或视频,并自动在图像中检测和跟踪人脸,对其进行一系列的相关技术,最后进行辨别完成自己想要完成的项目。

测评前线说 ·  2019-10-10 13:36:49
AI 人工智能落地,数据安全绕不开这4大问题

这些年,在人工智能等新技术催化下,信息泄密正在围绕“数据”展开,这些数据涉及各类事、物、人、企业、政府部门等等,包括当事主体的相关生物特征、行为特征也能以数据化的泄密形式出现。

CDA数据分析师 ·  2019-09-27 10:18:13
十个基本的Python数据科学软件包

过去五年人们对数据科学的兴趣显著上升。尽管有许多编程语言适合数据科学和机器学习,但Python是最受欢迎的。

布加迪 ·  2019-09-25 09:20:33
未来可能颠覆世界的十大科技,你知道吗?

人脸识别技术是指利用分析比较的计算机技术识别人脸。人脸识别是一项热门的计算机技术研究领域,其中包括人脸追踪侦测,自动调整影像放大,夜间红外侦测,自动调整曝光强度等技术。

万仟生态圈 ·  2019-09-24 07:23:02
警惕刷脸支付,一不小心钱财被洗劫一空

人脸识别技术已经不仅仅可以用来识别对象身份,已经可以收集更多的信息了。而这种被动的采集捕捉,让我们无处可藏。想象一下,如果大街上的摄像头换成了这种摄像头,你的步态、表情都会纳入系统数据中,或许可以用来提高识别犯罪分子的概率,但这样一来普通人也没了隐私可言。

e科技观潮 ·  2019-09-19 20:47:29
一步一步带你完成深度学习与对象检测之人脸识别

要进行人脸识别,就要搜集用户的人脸图片,我们从网站上搜集了几个明星的照片来进行本期文章的分享。此部分文章是人脸识别的第一部分,人脸数据的搜集与提取,后期我们分享人脸识别系统的神经网络训练与人脸识别。

人工智能研究所 ·  2019-09-18 07:20:34
人民日报:人脸识别进课堂 纪律是手段而不是目的

拥抱潮流,为教育插上智能化的翅膀无可厚非。宿舍刷脸门禁、图书馆刷脸借阅,将金融领域成熟的技术迁移到校园内,的确可以提升效率、便利生活。

佚名 ·  2019-09-17 10:00:25
Copyright©2005-2019 51CTO.COM 版权所有 未经许可 请勿转载