Python3利用Dlib实现摄像头实时人脸检测和平铺显示示例
作者:coneypo
1. 引言
在某些场景下,我们不仅需要进行实时人脸检测追踪,还要进行再加工;这里进行摄像头实时人脸检测,并对于实时检测的人脸进行初步提取;
单个/多个人脸检测,并依次在摄像头窗口,实时平铺显示检测到的人脸;
图 1 动态实时检测效果图
检测到的人脸矩形图像,会依次平铺显示在摄像头的左上方;
当多个人脸时候,也能够依次铺开显示;
左上角窗口的大小会根据捕获到的人脸大小实时变化;
图 2 单个/多个人脸情况下摄像头识别显示结果
2. 代码实现
主要分为三个部分:
摄像头调用,利用 OpenCv 里面的cv2.VideoCapture();
人脸检测,这里利用开源的 Dlib 框架,Dlib 中人脸检测具体可以参考Python 3 利用 Dlib 19.7 进行人脸检测;
图像填充,剪切部分可以参考Python 3 利用 Dlib 实现人脸检测和剪切;
2.1 摄像头调用
Python 中利用 OpenCv 调用摄像头的一个例子how_to_use_camera.py:
# OpenCv 调用摄像头 # 默认调用笔记本摄像头 # Author: coneypo # Blog: http://www.cnblogs.com/AdaminXie # GitHub: https://github.com/coneypo/Dlib_face_cut # Mail: coneypo@foxmail.com import cv2 cap = cv2.VideoCapture(0) # cap.set(propId, value) # 设置视频参数: propId - 设置的视频参数, value - 设置的参数值 cap.set(3, 480) # cap.isOpened() 返回 true/false, 检查摄像头初始化是否成功 print(cap.isOpened()) # cap.read() """ 返回两个值 先返回一个布尔值, 如果视频读取正确, 则为 True, 如果错误, 则为 False; 也可用来判断是否到视频末尾; 再返回一个值, 为每一帧的图像, 该值是一个三维矩阵; 通用接收方法为: ret,frame = cap.read(); ret: 布尔值; frame: 图像的三维矩阵; 这样 ret 存储布尔值, frame 存储图像; 若使用一个变量来接收两个值, 如: frame = cap.read() 则 frame 为一个元组, 原来使用 frame 处需更改为 frame[1] """ while cap.isOpened(): ret_flag, img_camera = cap.read() cv2.imshow("camera", img_camera) # 每帧数据延时 1ms, 延时为0, 读取的是静态帧 k = cv2.waitKey(1) # 按下 's' 保存截图 if k == ord('s'): cv2.imwrite("test.jpg", img_camera) # 按下 'q' 退出 if k == ord('q'): break # 释放所有摄像头 cap.release() # 删除建立的所有窗口 cv2.destroyAllWindows()
2.2 人脸检测
利用 Dlib 正向人脸检测器,dlib.get_frontal_face_detector();
对于本地人脸图像文件,一个利用 Dlib 进行人脸检测的例子:
face_detector_v2_use_opencv.py:
# created at 2017-11-27 # updated at 2018-09-06 # Author: coneypo # Dlib: http://dlib.net/ # Blog: http://www.cnblogs.com/AdaminXie/ # Github: https://github.com/coneypo/Dlib_examples # create object of OpenCv # use OpenCv to read and show images import dlib import cv2 # 使用 Dlib 的正面人脸检测器 frontal_face_detector detector = dlib.get_frontal_face_detector() # 图片所在路径 # read image img = cv2.imread("imgs/faces_2.jpeg") # 使用 detector 检测器来检测图像中的人脸 # use detector of Dlib to detector faces faces = detector(img, 1) print("人脸数 / Faces in all: ", len(faces)) # Traversal every face for i, d in enumerate(faces): print("第", i+1, "个人脸的矩形框坐标:", "left:", d.left(), "right:", d.right(), "top:", d.top(), "bottom:", d.bottom()) cv2.rectangle(img, tuple([d.left(), d.top()]), tuple([d.right(), d.bottom()]), (0, 255, 255), 2) cv2.namedWindow("img", 2) cv2.imshow("img", img) cv2.waitKey(0)
图 3 参数 d.top(), d.right(), d.left(), d.bottom() 位置坐标说明
2.3 图像裁剪
如果想访问图像的某点像素,对于 opencv 对象可以利用索引 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(0-255,0-255,0-255),按照(B,G,R)的顺序;
比如蓝色就是(255,0,0),红色是(0,0,255);
所以要做的就是对于检测到的人脸,要依次平铺填充到摄像头显示的实时帧 img_rd 中;
所以进行图像裁剪填充这块的代码如下(注意要防止截切平铺的图像不能超出 640x480 ):
# 检测到人脸 if len(faces) != 0: # 记录每次开始写入人脸像素的宽度位置 faces_start_width = 0 for face in faces: # 绘制矩形框 cv2.rectangle(img_rd, tuple([face.left(), face.top()]), tuple([face.right(), face.bottom()]), (0, 255, 255), 2) height = face.bottom() - face.top() width = face.right() - face.left() ### 进行人脸裁减 ### # 如果没有超出摄像头边界 if (face.bottom() < 480) and (face.right() < 640) and \ ((face.top() + height) < 480) and ((face.left() + width) < 640): # 填充 for i in range(height): for j in range(width): img_rd[i][faces_start_width + j] = \ img_rd[face.top() + i][face.left() + j] # 更新 faces_start_width 的坐标 faces_start_width += width
记得要更新faces_start_width的坐标,达到依次平铺的效果:
图 4 平铺显示的人脸
2.4. 完整源码
# 调用摄像头实时单个/多个人脸检测,并依次在摄像头窗口,实时平铺显示检测到的人脸; # Author: coneypo # Blog: http://www.cnblogs.com/AdaminXie # GitHub: https://github.com/coneypo/Dlib_face_cut import dlib import cv2 import time # 储存截图的目录 path_screenshots = "data/images/screenshots/" detector = dlib.get_frontal_face_detector() predictor = dlib.shape_predictor('data/dlib/shape_predictor_68_face_landmarks.dat') # 创建 cv2 摄像头对象 cap = cv2.VideoCapture(0) # 设置视频参数,propId 设置的视频参数,value 设置的参数值 cap.set(3, 960) # 截图 screenshots 的计数器 ss_cnt = 0 while cap.isOpened(): flag, img_rd = cap.read() # 每帧数据延时 1ms,延时为 0 读取的是静态帧 k = cv2.waitKey(1) # 取灰度 img_gray = cv2.cvtColor(img_rd, cv2.COLOR_RGB2GRAY) # 人脸数 faces = detector(img_gray, 0) # 待会要写的字体 font = cv2.FONT_HERSHEY_SIMPLEX # 按下 'q' 键退出 if k == ord('q'): break else: # 检测到人脸 if len(faces) != 0: # 记录每次开始写入人脸像素的宽度位置 faces_start_width = 0 for face in faces: # 绘制矩形框 cv2.rectangle(img_rd, tuple([face.left(), face.top()]), tuple([face.right(), face.bottom()]), (0, 255, 255), 2) height = face.bottom() - face.top() width = face.right() - face.left() ### 进行人脸裁减 ### # 如果没有超出摄像头边界 if (face.bottom() < 480) and (face.right() < 640) and \ ((face.top() + height) < 480) and ((face.left() + width) < 640): # 填充 for i in range(height): for j in range(width): img_rd[i][faces_start_width + j] = \ img_rd[face.top() + i][face.left() + j] # 更新 faces_start_width 的坐标 faces_start_width += width cv2.putText(img_rd, "Faces in all: " + str(len(faces)), (20, 350), font, 0.8, (0, 0, 0), 1, cv2.LINE_AA) else: # 没有检测到人脸 cv2.putText(img_rd, "no face", (20, 350), font, 0.8, (0, 0, 0), 1, cv2.LINE_AA) # 添加说明 img_rd = cv2.putText(img_rd, "Press 'S': Screen shot", (20, 400), font, 0.8, (255, 255, 255), 1, cv2.LINE_AA) img_rd = cv2.putText(img_rd, "Press 'Q': Quit", (20, 450), font, 0.8, (255, 255, 255), 1, cv2.LINE_AA) # 按下 's' 键保存 if k == ord('s'): ss_cnt += 1 print(path_screenshots + "screenshot" + "_" + str(ss_cnt) + "_" + time.strftime("%Y-%m-%d-%H-%M-%S", time.localtime()) + ".jpg") cv2.imwrite(path_screenshots + "screenshot" + "_" + str(ss_cnt) + "_" + time.strftime("%Y-%m-%d-%H-%M-%S", time.localtime()) + ".jpg", img_rd) cv2.namedWindow("camera", 1) cv2.imshow("camera", img_rd) # 释放摄像头 cap.release() # 删除建立的窗口 cv2.destroyAllWindows()
这个代码就是把之前做的人脸检测,图像拼接几个结合起来,代码量也很少,只有100行,如有问题可以参考之前博客:
人脸检测对于机器性能占用不高,但是如果要进行实时的图像裁剪拼接,计算量可能比较大,所以可能会出现卡顿;
以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持脚本之家。