Python學習--使用dlib、opencv進行人臉檢測標注

參考自https://www.pyimagesearch.com/2017/04/03/facial-landmarks-dlib-opencv-python/ 

在原有基礎上有一部分的修改(image改為可選參數，若不填則為拍照后選取），如果有想深入學習的，可以去關注這位‘吳克’先生的文章。

本文不涉及關於人臉檢測的訓練部分（雖然之后隨着學習深入我會再發相關的隨筆），只是簡單的用輪子。

 

今天我們來使用dlib和opencv進行人臉的檢測標注

　　首先安裝opencv和dlib的方法

pip install dlib
pip install opencv-python

　　本程序中還使用了imutils用於resize圖片，安裝方法如下

pip install imutils

　　dlib中為我們提供了關於人臉檢測標注訓練好的文件 可在http://dlib.net/files/shape_predictor_68_face_landmarks.dat.bz2下載（如果在參考網頁下載到的例程中也包含了這個文件了）

　　訓練好的文件可識別人臉的68個關鍵點並標注（關鍵點越少肯定越容易導致識別錯誤）

本程序運行方法：若.py和shape_predictor_68_face_landmarks.dat以及需要檢測的圖片在同一目錄下，在當前目錄console中輸入

　python my_facial_landmarks.py -p shape_predictor_68_face_landmarks.dat -i guanhai.jpg

　　　　　　　　或采用拍照識別的方式，輸入

python my_facial_landmarks.py -p shape_predictor_68_face_landmarks.dat

　　　　　　　　在圖片框中按q完成拍照

　　　　　　　　之后會顯示標注后的照片

例如輸入如下圖片運行截圖

　　拍照然后識別就不舉例了吧，大家可以自行嘗試

代碼如下my_facial_landmarks.py

from imutils import face_utils
import argparse
import imutils
import dlib
import cv2


def takephoto():
    cap = cv2.VideoCapture(0)
    while (1):
        # get a frame
        ret, frame = cap.read()
        # show a frame
        cv2.imshow("capture", frame)
        if cv2.waitKey(1) & 0xFF == ord('q'):#按q鍵完成照相
            # cv2.imwrite("./test0.jpg", frame) 保存照片，但在這里我們並不需要
            return frame#返回圖片
    cap.release()
    cv2.destroyAllWindows()


def main():
    # construct the argument parser and parse the arguments 使用argparse設置輸入所需的實參
    ap = argparse.ArgumentParser()
    ap.add_argument("-p", "--shape-predictor", required=True, #訓練好的關於檢測的文件
                    help="path to facial landmark predictor")
    ap.add_argument("-i", "--image", required=False,default='0',  #圖片
                    help="path to input image")
    args = vars(ap.parse_args())

    # initialize dlib's face detector (HOG-based) and then create
    # the facial landmark predictor
    #初始化dlib人臉檢測（基於HOG），然后創建面部標志預測器
    detector = dlib.get_frontal_face_detector()
    predictor = dlib.shape_predictor(args["shape_predictor"])

    # load the input image, resize it, and convert it to grayscale
    if args['image'] != '0':
        image = cv2.imread(args['image'])#輸入圖片實參則讀入圖片
    else:
        image = takephoto()#若未輸入則進行照相操作

    image = imutils.resize(image, width=500)  # 調整圖片寬度為500
    gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)#圖片調整為灰色

    # detect faces in the grayscale image 檢測灰度圖像中的面部
    rects = detector(gray, 1)

    # loop over the face detections 循環進行人臉的檢測
    for (i, rect) in enumerate(rects):
        # determine the facial landmarks for the face region, then
        # convert the facial landmark (x, y)-coordinates to a NumPy
        # array
        # 確定面部區域的面部標志，然后將面部標志（x，y）坐標轉換成NumPy陣列
        shape = predictor(gray, rect)
        shape = face_utils.shape_to_np(shape)

        # convert dlib's rectangle to a OpenCV-style bounding box
        # [i.e., (x, y, w, h)], then draw the face bounding box
        #將dlib矩形轉換為OpenCV樣式的邊界框[即（x，y，w，h）]，然后繪制邊界框
        (x, y, w, h) = face_utils.rect_to_bb(rect)
        cv2.rectangle(image, (x, y), (x + w, y + h), (0, 255, 0), 2)

        # show the face number 人臉序號的標記（可識別多張）
        cv2.putText(image, "Face #{}".format(i + 1), (x - 10, y - 10),
                    cv2.FONT_HERSHEY_SIMPLEX, 0.5, (0, 255, 0), 2)

        # loop over the (x, y)-coordinates for the facial landmarks
        # and draw them on the image
        #循環找到面部地關鍵點的（x，y）坐標並在圖像上繪制它們
        for (x, y) in shape:
            cv2.circle(image, (x, y), 1, (0, 0, 255), -1)

    # show the output image with the face detections + facial landmarks
    #用臉部檢測+面部標志顯示輸出圖像
    cv2.imshow("Output", image)
    cv2.waitKey(0)


if __name__ == '__main__':
    main()