Pythonは、顔の重要な部分の検出を実現します（ソースコードを使用）

顔の特徴抽出

この記事では、主にdlibライブラリの顔の特徴認識機能を使用します。

dlibライブラリは、68個の特徴点を使用して顔の特徴をマークし、対応するシーケンスの特徴点を介して対応する顔の特徴を取得します。次の図は、68の特徴点を示しています。たとえば、言及したい

目の特徴を取り、37から46の特徴点を取得します。

対応する部分を直接呼び出すことにより、コードに同様のマッピングを追加します。

Python学习交流Q群：906715085##3
FACIAL_LANDMARKS_68_IDXS = OrderedDict([  
("mouth", (48, 68)),
  ("right_eyebrow", (17, 22)), 
   ("left_eyebrow", (22, 27)),
     ("right_eye", (36, 42)),  
     ("left_eye", (42, 48)), 
      ("nose", (27, 36)), 
  ("jaw", (0, 17))])FACIAL_LANDMARKS_5_IDXS = OrderedDict([ 
   ("right_eye", (2, 3)),  
   ("left_eye", (0, 1)),  
   ("nose", (4))

データの前処理とモデルの読み込み

我们按照输入图像的要求对图像进行变形处理，这里需要转化为灰度图，加载get_frontal_face_detector模型和特征库进行检测。

Python学习交流Q群：906715085###
#加载人脸检测与关键点定位
detector = dlib.get_frontal_face_detector()
predictor = dlib.shape_predictor(args["shape_predictor"])

#读取输入数据，预处理
image = cv2.imread(args["image"])
(h, w) = image.shape[:2]
width=500
r = width / float(w)
dim = (width, int(h * r))
image = cv2.resize(image, dim, interpolation=cv2.INTER_AREA)
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

#人脸检测rects = detector(gray, 1)

各面のキーポイントを反復処理します

抽出された顔の特徴点を予測し、顔の主要部分を見つけて、それをnp_arrayの形式に変換します。

shape = predictor(gray, rect)
shape = shape_to_np(shape)

各部分をトラバースし、操作用にコピーを作成し、画像上で現在検出されているカテゴリをマークします。

#遍历每一个部分
for (name, (i, j)) in FACIAL_LANDMARKS_68_IDXS.items():  
clone = image.copy() 
 cv2.putText(clone, name, (10, 30),
  cv2.FONT_HERSHEY_SIMPLEX,    0.7, (0, 0, 255), 2)

識別された場所に従って、画像上に特徴点を描画します。

for (x, y) in shape[i:j]:      
cv2.circle(clone, (x, y), 3, (0, 0, 255), -1)

顔の特徴が抽出されます。

(x, y, w, h) = cv2.boundingRect(np.array([shape[i:j]]))
roi = image[y:y + h, x:x + w]
(h, w) = roi.shape[:2]
width=250
r = width / float(w)
dim = (width, int(h * r))
roi = cv2.resize(roi, dim, interpolation=cv2.INTER_AREA)

最後にそれを表示します。

cv2.imshow("ROI", roi)
cv2.imshow("Image", clone)
cv2.waitKey(0)

最終効果

元の画像

顔検出

すべての顔の特徴

重要な部品の検査