Python 3 利用 Dlib 实现人脸检测和剪切

0. 引言

  利用 Python 开发,借助 Dlib 库进行人脸检测 / face detection 和剪切;

 

  1. crop_faces_show.py :

    将检测到的人脸剪切下来,依次排序平铺显示在新的图像上;

    实现的效果如 图1 所示,将 图1 原图中的 6 张人脸检测出来,然后剪切下来,在图像窗口中依次输出显示人脸;

  2. crop_faces_save.py :

    将检测到的人脸存储为单个人脸图像;

   

图 1 原图 和 crop_faces_show.py 处理后得到的平铺人脸图像窗口

 

  

图 2 crop_faces_save.py 处理后得到的多个单张人脸图像文件

 

  源码上传到了我的 Github;

  如果对您有帮助或者感兴趣,欢迎 Star 支持下: https://github.com/coneypo/Dlib_face_cut

 

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. 实现过程

  工作内容主要以下两大块:Dlib 人脸检测  处理检测到的人脸图像

2.1 Dlib 人脸检测  

  利用已经训练好的 Dlib 正向人脸检测器 detector = dlib.get_frontal_face_detector() 进行人脸检测;

  可以得到人脸外接矩形的坐标,用来之后进行裁剪;

  具体 Dlib 的使用,请参考我另一篇博客;

  ( link: Python 3 利用 Dlib 19.7 进行人脸检测);

 1 # Dlib 检测器
 2  detector = dlib.get_frontal_face_detector()
 3   
 4  # 读取图像
 5  path = "/***/image_path/"
 6  img = cv2.imread(path+"test_faces.jpg")
 7  # print("img/shape:", img.shape)
 8   
 9  # Dlib 检测
10  faces = detector(img, 1)
11  
12  print("人脸数:", len(faces))

 

2.2 绘制新图像

  如果你想让检测出来的人脸并排显示的话,需要遍历两次( for k, d in enumerate (faces) ):

   第一次遍历:记录下我们需要生成的图像窗口的大小,因为需要将多张照片显示在一张图像上,所以需要知道每张人脸照片的大小;

   第二次遍历:根据之前得到的图像尺寸新建空白图像,然后开始用人脸矩形填充图像;

 

2.2.1 确定空白图像尺寸

( 这部分首先要根据检测到的人脸数和人脸大小,来确定绘制图像所需要的尺寸)  

第一次遍历:多张人脸要输出到一行,所以先进行一次人脸的遍历j记下每张人脸的大小,记每张人脸的尺寸为 [ 高度 height  * 宽度 width ](高度和宽度说明见 图 3 ):

图 3 图像尺寸说明

 

我取的生成空白图像的尺寸:height_max(最大高度)和 width_sum(宽度之和),然后根据尺寸大小来新建空白图像:

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

图 4 图像尺寸 height_max 和 width_sum

 

2.2.2 图像填充

  第二次遍历:多根据之前得到的图像尺寸新建空白图像,然后开始用人脸矩形填充图像,每次 width 方向从 blank_start 位置开始,每次填完一张之后记得更新起始位置:( 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]

    

  如果想访问图像的某点像素,可以利用 img [height] [width]:

    存储像素其实是一个三维数组,先高度 height,然后宽度 width;

    返回的是一个颜色数组( 0-2550-2550-255 ),按照( B, G, )的顺序;

    比如 蓝色 就是(255,0,0),红色 是(0,0,255);

 

3. 源码

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         # 人脸识别的库dlib
import numpy as np  # 数据处理的库numpy
import cv2          # 图像处理的库OpenCv

# Dlib 检测器
detector = dlib.get_frontal_face_detector()
predictor = dlib.shape_predictor('shape_predictor_68_face_landmarks.dat')

# 读取图像
path = "faces_for_test/"
img = cv2.imread(path+"test_faces_1.jpg")

# Dlib 检测
dets = detector(img, 1)

print("人脸数:", len(dets), "\n")

# 记录人脸矩阵大小
height_max = 0
width_sum = 0

# 计算要生成的图像 img_blank 大小
for k, d in enumerate(dets):

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

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

    # 处理宽度
    width_sum += width

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

# 绘制用来显示人脸的图像的大小
print("窗口大小:"
      , '\n', "高度 / height:", height_max
      , '\n', "宽度 / width: ", width_sum)

# 生成用来显示的图像
img_blank = np.zeros((height_max, width_sum, 3), np.uint8)

# 记录每次开始写入人脸像素的宽度位置
blank_start = 0

# 将人脸填充到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]
    # 调整图像
    blank_start += width

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

 

实现效果:

 

图 5 原图和处理后得到的图像窗口

 

3.2 crop_faces_save.py

  如果你想将识别出来的人脸保存成单个的图像,方便之后处理用,只需将上述代码进行略微修改;

  只需一次遍历,根据每次检测到的人脸尺寸,新建空白图像后写入,然后利用 cv2.imwrite 写入到本地:

  crop_faces_save.py:

 1 # created at 2018-01-22
 2 # updated at 2018-09-29
 3 
 4 # Author:   coneypo
 5 # Blog:     http://www.cnblogs.com/AdaminXie
 6 # GitHub:   https://github.com/coneypo/Dlib_face_cut
 7 
 8 import dlib         # 人脸识别的库dlib
 9 import numpy as np  # 数据处理的库numpy
10 import cv2          # 图像处理的库OpenCv
11 import os
12 
13 # 读取图像的路径
14 path_read = "faces_for_test/"
15 img = cv2.imread(path_read+"test_faces_3.jpg")
16 
17 # 用来存储生成的单张人脸的路径
18 path_save = "faces_separated/"
19 
20 
21 # Delete old images
22 def clear_images():
23     imgs = os.listdir(path_save)
24 
25     for img in imgs:
26         os.remove(path_save + img)
27 
28     print("clean finish", '\n')
29 
30 
31 clear_images()
32 
33 
34 # Dlib 预测器
35 detector = dlib.get_frontal_face_detector()
36 predictor = dlib.shape_predictor('shape_predictor_68_face_landmarks.dat')
37 
38 
39 # Dlib 检测
40 faces = detector(img, 1)
41 
42 print("人脸数:", len(faces), '\n')
43 
44 for k, d in enumerate(faces):
45 
46     # 计算矩形大小
47     # (x,y), (宽度width, 高度height)
48     pos_start = tuple([d.left(), d.top()])
49     pos_end = tuple([d.right(), d.bottom()])
50 
51     # 计算矩形框大小
52     height = d.bottom()-d.top()
53     width = d.right()-d.left()
54 
55     # 根据人脸大小生成空的图像
56     img_blank = np.zeros((height, width, 3), np.uint8)
57 
58     for i in range(height):
59         for j in range(width):
60                 img_blank[i][j] = img[d.top()+i][d.left()+j]
61 
62     # cv2.imshow("face_"+str(k+1), img_blank)
63 
64     # 存在本地
65     print("Save to:", path_save+"img_face_"+str(k+1)+".jpg")
66     cv2.imwrite(path_save+"img_face_"+str(k+1)+".jpg", img_blank)

 

  

图 6 生成的单个人脸图像文件

 

# 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 本项目: https://github.com/coneypo/Dlib_face_cut

# 如有问题请留言或者联系邮箱 coneypo@foxmail.com

posted @ 2018-01-24 08:46 coneypo 阅读(...) 评论(...) 编辑 收藏