结合OpenCV摄像头使用Dlib库进行人脸检测及标注特征点和提取人脸特征-Python-蒲公英云

结合OpenCV摄像头使用Dlib库进行人脸检测及标注特征点和提取人脸特征-Python

小灰灰 2022-05-29 05:05 278阅读 0赞

注意：需要安装opencv和dlib库，安装可见此教程。同时需要下载dlib库封装好的代码shape_predictor_68_face_landmarks.dat(用于人脸68维特征点标注)及dlib_face_recognition_resnet_model_v1.dat(用于提取人脸128维特征)。
本文所有代码及封装库可从https://github.com/TimeIvyace/Dlib-OpenCV_face.git中下载。

使用OpenCV调用摄像头并用Dlib人脸检测和标注特征点

import cv2
import dlib
PREDICTOR_PATH = "shape_predictor_68_face_landmarks.dat"
# 使用dlib自带的frontal_face_detector作为人脸提取器
detector = dlib.get_frontal_face_detector()
# 使用官方模型构建特征提取器
predictor = dlib.shape_predictor(PREDICTOR_PATH)
if __name__ == '__main__':
    #框住人脸的矩形边框颜色
    color = (0, 255, 0)
    #捕获指定摄像头的实时视频流
    cap = cv2.VideoCapture(0)
    #循环检测识别人脸
    while True:
        _, frame = cap.read()   #读取一帧视频
        # 图像灰化，降低计算复杂度
        frame_gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
        # 使用detector进行人脸检测 rects为返回的结果
        rects = detector(frame_gray, 1)
        if len(rects) > 0:
            for k, d in enumerate(rects):
                cv2.rectangle(frame, (d.left(), d.top()), (d.right(), d.bottom()), (255, 255, 255))
                shape = predictor(frame, d)
                for i in range(68):
                    cv2.circle(frame, (shape.part(i).x, shape.part(i).y), 5, (0, 255, 0), -1, 8)
                    cv2.putText(frame, str(i), (shape.part(i).x, shape.part(i).y), cv2.FONT_HERSHEY_SIMPLEX, 0.5,
                                (255, 255, 255))
        cv2.imshow("find me", frame)
        #等待10毫秒看是否有按键输入
        k = cv2.waitKey(10)
        #如果输入q则退出循环
        if k & 0xFF == ord('q'):
            break
    #释放摄像头并销毁所有窗口
    cap.release()
    cv2.destroyAllWindows()

使用Dlib中的残差网络封装库提取人脸128维特征

import dlib
import cv2
import numpy as np
def dlib_get_face(frame_path, face_rec_model_path, predictor_path):
    # 使用dlib自带的frontal_face_detector作为人脸提取器
    detector = dlib.get_frontal_face_detector()
    shape_predictor = dlib.shape_predictor(predictor_path)
    face_rec_model = dlib.face_recognition_model_v1(face_rec_model_path)
    # opencv读取图片，并显示
    frame = cv2.imread(frame_path, cv2.IMREAD_COLOR)
    # opencv的bgr格式图片转换成rgb格式
    b, g, r = cv2.split(frame)
    frame2 = cv2.merge([r, g, b])
    # 使用detector进行人脸检测dets为返回的结果
    dets = detector(frame, 1)
    face_descriptor = []
    for index, face in enumerate(dets):
        shape = shape_predictor(frame, face)  # 提取68个特征点
        # 计算人脸的128维的向量
        face_descriptor.append(face_rec_model.compute_face_descriptor(frame2, shape))
    return np.array(face_descriptor)
frame_path = "a.jpeg" # 需要检测的图像，可结合上式代码使用摄像头
face_rec_model_path = "dlib_face_recognition_resnet_model_v1.dat"
predictor_path = "shape_predictor_68_face_landmarks.dat"
face = dlib_get_face(frame_path, face_rec_model_path, predictor_path)
print(face.shape)