人脸关键点检测

本文讨论用DLIB的人脸关键点检测器。用到的库文件包括 Python, dlib, 和 OpenCV, 下面有原程序。

 

人脸关键点检测模型有:

• Haar cascades: 快但不准确.
• HOG + Linear SVM: 相对准确但也相对慢.
• Deep learning-based detectors: 准确高但慢

人脸关键点检测可以用来检测打瞌睡，眨眼睛等

下面是原程序加注解。如需要数据文件请留言。

###############################

# 用法

# python facial.py --shape-predictor shape_predictor_68_face_landmarks.dat --image images/example_01.jpg 

# 引入相关库文件

from imutils import face_utils

import numpy as np

import argparse

import imutils

import dlib

import cv2

# 构造输入参数

ap = argparse.ArgumentParser()

ap.add_argument("-p", "--shape-predictor", required=True,

    help="人脸关键点检测模型路径")

ap.add_argument("-i", "--image", required=True,

    help="检测图形路径")

args = vars(ap.parse_args())

# 初始化并使用dlib's HOG 人脸检测器 

detector = dlib.get_frontal_face_detector()

predictor = dlib.shape_predictor(args["shape_predictor"])

# 加载图片，设置尺寸，用灰色图

image = cv2.imread(args["image"])

image = imutils.resize(image, width=500)

gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

# 检测人脸关键点

rects = detector(gray, 1)

# 循环人脸关键点

for (i, rect) in enumerate(rects):

    # 把人脸关键点换成NumPy数组

    shape = predictor(gray, rect)

    shape = face_utils.shape_to_np(shape)

    # 把 dlib's 类型 换成 OpenCV 边框类型

    # 画出边框

    (x, y, w, h) = face_utils.rect_to_bb(rect)

    cv2.rectangle(image, (x, y), (x + w, y + h), (0, 255, 0), 2)

    # 显示人脸关键点号

    cv2.putText(image, "Face #{}".format(i + 1), (x - 10, y - 10),

        cv2.FONT_HERSHEY_SIMPLEX, 0.5, (0, 255, 0), 2)

    # 画出人脸关键点

    for (x, y) in shape:

        cv2.circle(image, (x, y), 1, (0, 0, 255), -1)

# 显示图形

cv2.imshow("Output", image)

cv2.waitKey(0)