Python 3 利用 Dlib 實現人臉檢測和剪切

0. 引言

　　利用 Python 開發，借助 Dlib 庫進行人臉檢測 / face detection 和剪切；

 

　　1. crop_faces_show.py :

　　　　將檢測到的人臉剪切下來，依次排序平鋪顯示在新的圖像上；

　　　　實現的效果如 圖1 所示，將 圖1 原圖中的 6 張人臉檢測出來，然后剪切下來，在圖像窗口中依次輸出顯示人臉；

　　2. crop_faces_save.py :

　　　　將檢測到的人臉存儲為單個人臉圖像；

 　　

圖 1 原圖 和 crop_faces_show.py 處理后得到的平鋪人臉圖像窗口

 

　　

圖 2 crop_faces_save.py 處理后得到的多個單張人臉圖像文件

 

　　源碼上傳到了我的 Github;

　　如果對您有幫助或者感興趣，歡迎 Star 支持下: https://github.com/coneypo/Dlib_face_cut

 

1. 開發環境

　　Python:　　3.6.3

　　Dlib:　　　 19.7

　　OpenCv, NumPy

import dlib                 # 人臉檢測的庫 Dlib
import numpy as np      　　 # 數據處理的庫 numpy
import cv2                  # 圖像處理的庫 OpenCv    

 

2. 實現過程

　　工作內容主要以下兩大塊：Dlib 人臉檢測 和 處理檢測到的人臉圖像

2.1 Dlib 人臉檢測　　

　　利用已經訓練好的 Dlib 正向人臉檢測器 detector = dlib.get_frontal_face_detector() 進行人臉檢測；

　　可以得到人臉外接矩形的坐標，用來之后進行裁剪；

　　具體 Dlib 的使用，請參考我另一篇博客；

　　( link: Python 3 利用 Dlib 19.7 進行人臉檢測）；

# Dlib 檢測器
 detector = dlib.get_frontal_face_detector()
  
 # 讀取圖像
 path = "/***/image_path/"
 img = cv2.imread(path+"test_faces.jpg")
 # print("img/shape:", img.shape)
  
 # Dlib 檢測
 faces = detector(img, 1)
 
 print("人臉數：", len(faces))

 

2.2 繪制新圖像

　　如果你想讓檢測出來的人臉並排顯示的話，需要遍歷兩次（ for k, d in enumerate (faces) ）:

　　 第一次遍歷：記錄下我們需要生成的圖像窗口的大小，因為需要將多張照片顯示在一張圖像上，所以需要知道每張人臉照片的大小；

　　 第二次遍歷：根據之前得到的圖像尺寸新建空白圖像，然后開始用人臉矩形填充圖像；

 

2.2.1 確定空白圖像尺寸

( 這部分首先要根據檢測到的人臉數和人臉大小，來確定繪制圖像所需要的尺寸）　　

第一次遍歷：多張人臉要輸出到一行，所以先進行一次人臉的遍歷j記下每張人臉的大小，記每張人臉的尺寸為 [ 高度 height  * 寬度 width ]（高度和寬度說明見 圖 3 ）：

圖 3 圖像尺寸說明

 

我取的生成空白圖像的尺寸：height_max（最大高度）和 width_sum（寬度之和），然后根據尺寸大小來新建空白圖像：

img_blank = np.zeros((height_max, width_sum, 3), np.uint8)

圖 4 圖像尺寸 height_max 和 width_sum

 

2.2.2 圖像填充

　　第二次遍歷：多根據之前得到的圖像尺寸新建空白圖像，然后開始用人臉矩形填充圖像，每次 width 方向從 blank_start 位置開始，每次填完一張之后記得更新起始位置：（ blank_start += width ）：

for i in range(height):
    for j in range(width):
        img_blank[i][blank_start + j] = img[d.top() + i][d.left() + j]

　　　　

　　如果想訪問圖像的某點像素，可以利用 img [height] [width]：

　　　　存儲像素其實是一個三維數組，先高度 height，然后寬度 width;

　　　　返回的是一個顏色數組（ 0-255，0-255，0-255 ），按照（ B, G, R ）的順序；

　　　　比如 藍色 就是（255，0，0），紅色 是（0，0，255）;

 

3. 源碼

3.1 crop_faces_show.py

# created at 2018-01-22
# updated at 2018-09-29

# Author:   coneypo
# Blog:     http://www.cnblogs.com/AdaminXie
# GitHub:   https://github.com/coneypo/Dlib_face_cut

import dlib         # 人臉識別的庫dlib
import numpy as np  # 數據處理的庫numpy
import cv2          # 圖像處理的庫OpenCv

# Dlib 檢測器
detector = dlib.get_frontal_face_detector()
predictor = dlib.shape_predictor('shape_predictor_68_face_landmarks.dat')

# 讀取圖像
path = "faces_for_test/"
img = cv2.imread(path+"test_faces_1.jpg")

# Dlib 檢測
dets = detector(img, 1)

print("人臉數：", len(dets), "\n")

# 記錄人臉矩陣大小
height_max = 0
width_sum = 0

# 計算要生成的圖像 img_blank 大小
for k, d in enumerate(dets):

    # 計算矩形大小
    # (x,y), (寬度width, 高度height)
    pos_start = tuple([d.left(), d.top()])
    pos_end = tuple([d.right(), d.bottom()])

    # 計算矩形框大小
    height = d.bottom()-d.top()
    width = d.right()-d.left()

    # 處理寬度
    width_sum += width

    # 處理高度
    if height > height_max:
        height_max = height
    else:
        height_max = height_max

# 繪制用來顯示人臉的圖像的大小
print("窗口大小："
      , '\n', "高度 / height:", height_max
      , '\n', "寬度 / width: ", width_sum)

# 生成用來顯示的圖像
img_blank = np.zeros((height_max, width_sum, 3), np.uint8)

# 記錄每次開始寫入人臉像素的寬度位置
blank_start = 0

# 將人臉填充到img_blank
for k, d in enumerate(dets):

    height = d.bottom()-d.top()
    width = d.right()-d.left()

    # 填充
    for i in range(height):
        for j in range(width):
                img_blank[i][blank_start+j] = img[d.top()+i][d.left()+j]
    # 調整圖像
    blank_start += width

cv2.namedWindow("img_faces")#, 2)
cv2.imshow("img_faces", img_blank)
cv2.waitKey(0

 

實現效果：

 

圖 5 原圖和處理后得到的圖像窗口

 

3.2 crop_faces_save.py

　　如果你想將識別出來的人臉保存成單個的圖像，方便之后處理用，只需將上述代碼進行略微修改；

　　只需一次遍歷，根據每次檢測到的人臉尺寸，新建空白圖像后寫入，然后利用 cv2.imwrite 寫入到本地：

　　crop_faces_save.py:

# created at 2018-01-22
# updated at 2018-09-29

# Author:   coneypo
# Blog:     http://www.cnblogs.com/AdaminXie
# GitHub:   https://github.com/coneypo/Dlib_face_cut

import dlib         # 人臉識別的庫dlib
import numpy as np  # 數據處理的庫numpy
import cv2          # 圖像處理的庫OpenCv
import os

# 讀取圖像的路徑
path_read = "faces_for_test/"
img = cv2.imread(path_read+"test_faces_3.jpg")

# 用來存儲生成的單張人臉的路徑
path_save = "faces_separated/"


# Delete old images
def clear_images():
    imgs = os.listdir(path_save)

    for img in imgs:
        os.remove(path_save + img)

    print("clean finish", '\n')


clear_images()


# Dlib 預測器
detector = dlib.get_frontal_face_detector()
predictor = dlib.shape_predictor('shape_predictor_68_face_landmarks.dat')


# Dlib 檢測
faces = detector(img, 1)

print("人臉數：", len(faces), '\n')

for k, d in enumerate(faces):

    # 計算矩形大小
    # (x,y), (寬度width, 高度height)
    pos_start = tuple([d.left(), d.top()])
    pos_end = tuple([d.right(), d.bottom()])

    # 計算矩形框大小
    height = d.bottom()-d.top()
    width = d.right()-d.left()

    # 根據人臉大小生成空的圖像
    img_blank = np.zeros((height, width, 3), np.uint8)

    for i in range(height):
        for j in range(width):
                img_blank[i][j] = img[d.top()+i][d.left()+j]

    # cv2.imshow("face_"+str(k+1), img_blank)

    # 存在本地
    print("Save to:", path_save+"img_face_"+str(k+1)+".jpg")
    cv2.imwrite(path_save+"img_face_"+str(k+1)+".jpg", img_blank)

 

　　

圖 6 生成的單個人臉圖像文件

 

# 請尊重他人勞動成果，轉載或者使用源碼請注明出處：http://www.cnblogs.com/AdaminXie

# 如果對您有幫助，歡迎在 GitHub 上 Star 本項目: https://github.com/coneypo/Dlib_face_cut

# 如有問題請留言或者聯系郵箱 [e-mail]