Python3結合Dlib實現(xiàn)人臉識別和剪切

更新時間：2018年01月24日 11:00:35 作者：TimeStamp

本篇文章給大家詳細分析了Python3結合Dlib實現(xiàn)人臉識別和剪切這個技術，對此有興趣的朋友參考學習下。

0.引言

利用python開發(fā)，借助Dlib庫進行人臉識別，然后將檢測到的人臉剪切下來，依次排序顯示在新的圖像上；

實現(xiàn)的效果如下圖所示，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；

實現(xiàn)比較簡單，代碼量也比較少，適合入門或者興趣學習。

圖1 原圖和處理后得到的圖像窗口

1.開發(fā)環(huán)境

python:　　3.6.3

dlib:　　　 19.7

OpenCv, numpy

import dlib  # 人臉識別的庫dlib
import numpy as np # 數(shù)據(jù)處理的庫numpy
import cv2  # 圖像處理的庫OpenCv

2.設計流程

工作內容主要以下兩大塊：dlib人臉檢測和繪制新圖像

2.1 dlib人臉檢測：

dlib的使用，在我之前另一篇博客里面介紹過（link: http://www.dbjr.com.cn/article/133576.htm）；

2.2 繪制新圖像：

2.2.1 確定空白圖像尺寸

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

多張人臉要輸出到一行，先進行一次人臉的遍歷，記每張人臉的尺寸為height*width（高度和寬度說明見圖2），

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

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

2.2.2 圖像填充

然后再進行一次人臉遍歷，這次進行空白圖像img_blank進行填充：

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

圖2 圖像尺寸說明

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(shù)組，先高度height，然后寬度width;

返回的是一個顏色數(shù)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

# 2018-01-22
# By TimeStamp
# #cnblogs: http://www.cnblogs.com/AdaminXie/
import dlib  # 人臉識別的庫dlib
import numpy as np # 數(shù)據(jù)處理的庫numpy
import cv2  # 圖像處理的庫OpenCv
# dlib預測器
detector = dlib.get_frontal_face_detector()
predictor = dlib.shape_predictor('shape_predictor_68_face_landmarks.dat')
# 讀取圖像
path = "F:/code/python/***/pic/"
img = cv2.imread(path+"test.jpg")
#print("img/shape:", img.shape)
# dlib檢測
dets = detector(img, 1)
print("人臉數(shù)：", len(dets))
# 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("img_blank的大小：")
print("高度", height_max, "寬度", 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)

結果：