Python 3 利用 Dlib 实现摄像头人脸检测特征点标定

0. 引言

  利用 Python 开发,借助 Dlib 库捕获摄像头中的人脸,进行实时人脸 68 个特征点标定;

  支持多张人脸;

  有截图功能;

 

图 1 工程效果示例( gif )

图 2 工程效果示例( 静态图片 )

 

1. 开发环境

  Python:  3.6.3

  Dlib:    19.7

  OpenCv, NumPy

import dlib                  # 人脸检测的库 Dlib
import numpy as np   # 数据处理的库 NumPy
import cv2                   # 图像处理的库 OpenCv

 

2. 源码介绍

  其实实现很简单,主要分为两个部分:摄像头调用 + 人脸特征点标定

2.1 摄像头调用

  介绍下 OpenCv 中摄像头的调用方法,用到以下几个 OpenCv 函数:

    cv2.VideoCapture(0)               创建一个对象;

    cv2.VideoCapture.set(propId, value)  设置视频参数;

    cv2.VideoCapture.isOpened()     检测读取视频是否成功;

    cv2.VideoCapture.read()        返回是否读取成功和读取到的帧图像;

  (具体可以参考官方文档:https://docs.opencv.org/2.4/modules/highgui/doc/reading_and_writing_images_and_video.html

  关于 cv2 中 VideoCapture 类的一些函数参数的说明如下:

# Sort by coneypo
# Updated at 10, Oct
# Blog: http://www.cnblogs.com/AdaminXie


###### 1. cv2.VideoCapture(), 创建cv2摄像头对象 / Open the default camera ######
"""
    Python: cv2.VideoCapture() → <VideoCapture object>

    Python: cv2.VideoCapture(filename) → <VideoCapture object>    
    filename – name of the opened video file (eg. video.avi) or image sequence (eg. img_%02d.jpg, which will read samples like img_00.jpg, img_01.jpg, img_02.jpg, ...)

    Python: cv2.VideoCapture(device) → <VideoCapture object>
    device – id of the opened video capturing device (i.e. a camera index). If there is a single camera connected, just pass 0.
"""
cap = cv2.VideoCapture(0)



##### 2. cv2.VideoCapture.set(propId, value),设置视频参数; #####
"""
    propId:
    CV_CAP_PROP_POS_MSEC Current position of the video file in milliseconds.
    CV_CAP_PROP_POS_FRAMES 0-based index of the frame to be decoded/captured next.
    CV_CAP_PROP_POS_AVI_RATIO Relative position of the video file: 0 - start of the film, 1 - end of the film.
    CV_CAP_PROP_FRAME_WIDTH Width of the frames in the video stream.
    CV_CAP_PROP_FRAME_HEIGHT Height of the frames in the video stream.
    CV_CAP_PROP_FPS Frame rate.
    ...
    value: 设置的参数值/ Value of the property
"""
cap.set(3, 480)



##### 3. cv2.VideoCapture.isOpened(), 检查摄像头初始化是否成功, 返回true或false / check if open camera successfully #####
cap.isOpened()


##### 4. cv2.VideoCapture.read([imgage]) -> retval,image, 读取视频 / Grabs, decodes and returns the next video frame #####
"""
返回两个值:
    一个是布尔值true/false,用来判断读取视频是否成功/是否到视频末尾
    图像对象,图像的三维矩阵
"""
flag, im_rd = cap.read()

 

2.2 人脸特征点标定

  调用预测器 “shape_predictor_68_face_landmarks.dat” 进行 68 点标定,这是 Dlib 训练好的模型,可以直接调用,进行人脸 68 个人脸特征点的标定;

  需要进行的后续工作是,利用坐标值进行特征点绘制;

  具体可以参考我的另一篇博客(Python 3 利用 Dlib 19.7 实现人脸68个特征点的标定);

 

图 3 Dlib 中人脸 68 个特征点位置说明

   

2.3 源码

  既然已经能够利用训练好的模型进行特征点检测,需要进行的工作是将摄像头捕获到的视频流,转换为 OpenCv 的图像对象,这样才能进行人脸特征点检测;

  然后利用返回的特征点坐标值,绘制特征点,实时的再绘制到摄像头界面上,达到实时人脸检测追踪的目的;

 

  利用 cv2.VideoCapture() 创建摄像头对象,然后利用 flag, im_rd = cv2.VideoCapture.read() 读取摄像头视频,im_rd 就是视频中的一帧帧图像;

  然后就类似于单张图像进行人脸检测,对这一帧帧的图像 im_rd 利用 Dlib 进行特征点标定,然后绘制特征点;

  

  可以按下 's' 键来获取当前截图,会存下带有时间戳的本地图像文件如 “screenshoot_1_2018-05-14-11-04-23.jpg”;

  或者按下 'q' 键来退出摄像头窗口;

  

  有四个 python 文件:

  how_to_use_camera.py    OpenCv 调用摄像头;

  get_features_from_image.py  绘制 "data/face_to_detect/face_x.jpg" 本地图像人脸文件的特征点;

  get_features_from_camera.py  从摄像头实时人脸检测绘制特征点;

  remove_ss.py:        删除 "data/screenshots/" 路径下的所有截图;

  ( 源码都上传到了 GitHub: https://github.com/coneypo/Dlib_face_detection_from_camera

  

  这里只给出 get_features_from_camera.py 的源码;

  get_features_from_camera.py:

  1 # 调用摄像头,进行人脸捕获,和 68 个特征点的追踪
  2 
  3 # Author:   coneypo
  4 # Blog:     http://www.cnblogs.com/AdaminXie
  5 # GitHub:   https://github.com/coneypo/Dlib_face_detection_from_camera
  6 
  7 # Created at 2018-02-26
  8 # Updated at 2018-10-09
  9 
 10 import dlib         # 人脸识别的库 Dlib
 11 import numpy as np  # 数据处理的库 numpy
 12 import cv2          # 图像处理的库 OpenCv
 13 import time
 14 
 15 # 储存截图的目录
 16 path_screenshots = "data/screenshots/"
 17 
 18 detector = dlib.get_frontal_face_detector()
 19 predictor = dlib.shape_predictor('data/dlib/shape_predictor_68_face_landmarks.dat')
 20 
 21 # 创建 cv2 摄像头对象
 22 cap = cv2.VideoCapture(0)
 23 
 24 # cap.set(propId, value)
 25 # 设置视频参数,propId 设置的视频参数,value 设置的参数值
 26 cap.set(3, 480)
 27 
 28 # 截图 screenshots 的计数器
 29 cnt = 0
 30 
 31 # cap.isOpened() 返回 true/false 检查初始化是否成功
 32 while cap.isOpened():
 33 
 34     # cap.read()
 35     # 返回两个值:
 36     #    一个布尔值 true/false,用来判断读取视频是否成功/是否到视频末尾
 37     #    图像对象,图像的三维矩阵
 38     flag, im_rd = cap.read()
 39 
 40     # 每帧数据延时 1ms,延时为 0 读取的是静态帧
 41     k = cv2.waitKey(1)
 42 
 43     # 取灰度
 44     img_gray = cv2.cvtColor(im_rd, cv2.COLOR_RGB2GRAY)
 45 
 46     # 人脸数
 47     faces = detector(img_gray, 0)
 48 
 49     # print(len(faces))
 50 
 51     # 待会要写的字体
 52     font = cv2.FONT_HERSHEY_SIMPLEX
 53 
 54     # 标 68 个点
 55     if len(faces) != 0:
 56         # 检测到人脸
 57         for i in range(len(faces)):
 58             landmarks = np.matrix([[p.x, p.y] for p in predictor(im_rd, faces[i]).parts()])
 59 
 60             for idx, point in enumerate(landmarks):
 61                 # 68 点的坐标
 62                 pos = (point[0, 0], point[0, 1])
 63 
 64                 # 利用 cv2.circle 给每个特征点画一个圈,共 68 个
 65                 cv2.circle(im_rd, pos, 2, color=(139, 0, 0))
 66 
 67                 # 利用 cv2.putText 输出 1-68
 68                 cv2.putText(im_rd, str(idx + 1), pos, font, 0.2, (187, 255, 255), 1, cv2.LINE_AA)
 69 
 70         cv2.putText(im_rd, "faces: " + str(len(faces)), (20, 50), font, 1, (0, 0, 0), 1, cv2.LINE_AA)
 71     else:
 72         # 没有检测到人脸
 73         cv2.putText(im_rd, "no face", (20, 50), font, 1, (0, 0, 0), 1, cv2.LINE_AA)
 74 
 75     # 添加说明
 76     im_rd = cv2.putText(im_rd, "press 'S': screenshot", (20, 400), font, 0.8, (255, 255, 255), 1, cv2.LINE_AA)
 77     im_rd = cv2.putText(im_rd, "press 'Q': quit", (20, 450), font, 0.8, (255, 255, 255), 1, cv2.LINE_AA)
 78 
 79     # 按下 's' 键保存
 80     if k == ord('s'):
 81         cnt += 1
 82         print(path_screenshots + "screenshot" + "_" + str(cnt) + "_" + time.strftime("%Y-%m-%d-%H-%M-%S", time.localtime()) + ".jpg")
 83         cv2.imwrite(path_screenshots + "screenshot" + "_" + str(cnt) + "_" + time.strftime("%Y-%m-%d-%H-%M-%S", time.localtime()) + ".jpg", im_rd)
 84 
 85     # 按下 'q' 键退出
 86     if k == ord('q'):
 87         break
 88 
 89     # 窗口显示
 90     # 参数取 0 可以拖动缩放窗口,为 1 不可以
 91     # cv2.namedWindow("camera", 0)
 92     cv2.namedWindow("camera", 1)
 93 
 94     cv2.imshow("camera", im_rd)
 95 
 96 # 释放摄像头
 97 cap.release()
 98 
 99 # 删除建立的窗口
100 cv2.destroyAllWindows()

 

 # 请尊重他人劳动成果,转载或者使用源码请注明出处:http://www.cnblogs.com/AdaminXie

# 如果对您有帮助,欢迎在 GitHub 上 star 支持本项目,我也一直在更新博客和 Github 源码: https://github.com/coneypo/Dlib_face_detection_from_camera

# 如有问题可以联系本人邮箱: coneypo@foxmail.com

posted @ 2018-02-26 13:36 coneypo 阅读(...) 评论(...) 编辑 收藏