Python3利用Dlib實現(xiàn)攝像頭實時人臉檢測和平鋪顯示示例
更新時間：2019年02月21日 15:09:36 作者：coneypo
這篇文章主要介紹了Python3利用Dlib實現(xiàn)攝像頭實時人臉檢測和平鋪顯示示例，文中通過示例代碼介紹的非常詳細(xì)，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值，需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧
1. 引言
在某些場景下，我們不僅需要進(jìn)行實時人臉檢測追蹤，還要進(jìn)行再加工；這里進(jìn)行攝像頭實時人臉檢測，并對于實時檢測的人臉進(jìn)行初步提取；
單個/多個人臉檢測，并依次在攝像頭窗口，實時平鋪顯示檢測到的人臉；
圖 1 動態(tài)實時檢測效果圖
檢測到的人臉矩形圖像，會依次平鋪顯示在攝像頭的左上方；
當(dāng)多個人臉時候，也能夠依次鋪開顯示；
左上角窗口的大小會根據(jù)捕獲到的人臉大小實時變化；
圖 2 單個/多個人臉情況下攝像頭識別顯示結(jié)果
2. 代碼實現(xiàn)
主要分為三個部分：
攝像頭調(diào)用，利用 OpenCv 里面的cv2.VideoCapture();
人臉檢測，這里利用開源的 Dlib 框架，Dlib 中人臉檢測具體可以參考Python 3 利用 Dlib 19.7 進(jìn)行人臉檢測；
圖像填充，剪切部分可以參考Python 3 利用 Dlib 實現(xiàn)人臉檢測和剪切；
2.1 攝像頭調(diào)用
Python 中利用 OpenCv 調(diào)用攝像頭的一個例子how_to_use_camera.py:
# OpenCv 調(diào)用攝像頭
# 默認(rèn)調(diào)用筆記本攝像頭
# 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)
# 設(shè)置視頻參數(shù): propId - 設(shè)置的視頻參數(shù), value - 設(shè)置的參數(shù)值
cap.set(3, 480)
# cap.isOpened() 返回 true/false, 檢查攝像頭初始化是否成功
print(cap.isOpened())
# cap.read()
"""
返回兩個值
先返回一個布爾值, 如果視頻讀取正確, 則為 True, 如果錯誤, 則為 False;
也可用來判斷是否到視頻末尾;
再返回一個值, 為每一幀的圖像, 該值是一個三維矩陣;
通用接收方法為:
ret,frame = cap.read();
ret: 布爾值;
frame: 圖像的三維矩陣;
這樣 ret 存儲布爾值, frame 存儲圖像;
若使用一個變量來接收兩個值, 如:
frame = cap.read()
則 frame 為一個元組, 原來使用 frame 處需更改為 frame[1]
"""
while cap.isOpened():
ret_flag, img_camera = cap.read()
cv2.imshow("camera", img_camera)
# 每幀數(shù)據(jù)延時 1ms, 延時為0, 讀取的是靜態(tài)幀
k = cv2.waitKey(1)
# 按下 's' 保存截圖
if k == ord('s'):
cv2.imwrite("test.jpg", img_camera)
# 按下 'q' 退出
if k == ord('q'):
break
# 釋放所有攝像頭
cap.release()
# 刪除建立的所有窗口
cv2.destroyAllWindows()
2.2 人臉檢測
利用 Dlib 正向人臉檢測器，dlib.get_frontal_face_detector()；
對于本地人臉圖像文件，一個利用 Dlib 進(jìn)行人臉檢測的例子:
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 的正面人臉檢測器 frontal_face_detector
detector = dlib.get_frontal_face_detector()
# 圖片所在路徑
# read image
img = cv2.imread("imgs/faces_2.jpeg")
# 使用 detector 檢測器來檢測圖像中的人臉
# use detector of Dlib to detector faces
faces = detector(img, 1)
print("人臉數(shù) / Faces in all: ", len(faces))
# Traversal every face
for i, d in enumerate(faces):
print("第", i+1, "個人臉的矩形框坐標(biāo)：",
"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)
圖 3 參數(shù) d.top(), d.right(), d.left(), d.bottom() 位置坐標(biāo)說明
2.3 圖像裁剪
如果想訪問圖像的某點像素，對于 opencv 對象可以利用索引 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(lán)色就是（255，0，0），紅色是（0，0，255）;
所以要做的就是對于檢測到的人臉，要依次平鋪填充到攝像頭顯示的實時幀 img_rd 中；
所以進(jìn)行圖像裁剪填充這塊的代碼如下（注意要防止截切平鋪的圖像不能超出 640x480 ）:
# 檢測到人臉
if len(faces) != 0:
# 記錄每次開始寫入人臉像素的寬度位置
faces_start_width = 0
for face in faces:
# 繪制矩形框
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()
### 進(jìn)行人臉裁減 ###
# 如果沒有超出攝像頭邊界
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 的坐標(biāo)
faces_start_width += width
記得要更新faces_start_width的坐標(biāo)，達(dá)到依次平鋪的效果:
圖 4 平鋪顯示的人臉
2.4. 完整源碼
# 調(diào)用攝像頭實時單個/多個人臉檢測，并依次在攝像頭窗口，實時平鋪顯示檢測到的人臉；
# Author: coneypo
# Blog: http://www.cnblogs.com/AdaminXie
# GitHub: https://github.com/coneypo/Dlib_face_cut
import dlib
import cv2
import time
# 儲存截圖的目錄
path_screenshots = "data/images/screenshots/"
detector = dlib.get_frontal_face_detector()
predictor = dlib.shape_predictor('data/dlib/shape_predictor_68_face_landmarks.dat')
# 創(chuàng)建 cv2 攝像頭對象
cap = cv2.VideoCapture(0)
# 設(shè)置視頻參數(shù)，propId 設(shè)置的視頻參數(shù)，value 設(shè)置的參數(shù)值
cap.set(3, 960)
# 截圖 screenshots 的計數(shù)器
ss_cnt = 0
while cap.isOpened():
flag, img_rd = cap.read()
# 每幀數(shù)據(jù)延時 1ms，延時為 0 讀取的是靜態(tài)幀
k = cv2.waitKey(1)
# 取灰度
img_gray = cv2.cvtColor(img_rd, cv2.COLOR_RGB2GRAY)
# 人臉數(shù)
faces = detector(img_gray, 0)
# 待會要寫的字體
font = cv2.FONT_HERSHEY_SIMPLEX
# 按下 'q' 鍵退出
if k == ord('q'):
break
else:
# 檢測到人臉
if len(faces) != 0:
# 記錄每次開始寫入人臉像素的寬度位置
faces_start_width = 0
for face in faces:
# 繪制矩形框
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()
### 進(jìn)行人臉裁減 ###
# 如果沒有超出攝像頭邊界
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 的坐標(biāo)
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:
# 沒有檢測到人臉
cv2.putText(img_rd, "no face", (20, 350), font, 0.8, (0, 0, 0), 1, cv2.LINE_AA)
# 添加說明
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' 鍵保存
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)
# 釋放攝像頭
cap.release()
# 刪除建立的窗口
cv2.destroyAllWindows()
這個代碼就是把之前做的人臉檢測，圖像拼接幾個結(jié)合起來，代碼量也很少，只有100行，如有問題可以參考之前博客：
Python 3 利用 Dlib 實現(xiàn)人臉檢測和剪切
人臉檢測對于機器性能占用不高，但是如果要進(jìn)行實時的圖像裁剪拼接，計算量可能比較大，所以可能會出現(xiàn)卡頓；
以上就是本文的全部內(nèi)容，希望對大家的學(xué)習(xí)有所幫助，也希望大家多多支持腳本之家。
相關(guān)文章
Python多進(jìn)程并發(fā)(multiprocessing)用法實例詳解
這篇文章主要介紹了Python多進(jìn)程并發(fā)(multiprocessing)用法,實例分析了multiprocessing模塊進(jìn)程操作的相關(guān)技巧,需要的朋友可以參考下2015-06-06
這篇文章主要介紹了如何遍歷python中的對象屬性問題,具有很好的參考價值,希望對大家有所幫助,如有錯誤或未考慮完全的地方,望不吝賜教2023-11-11
Pycharm中SSH、SFTP連接遠(yuǎn)程服務(wù)器編輯調(diào)試實例
這篇文章主要介紹了Pycharm中SSH、SFTP連接遠(yuǎn)程服務(wù)器編輯調(diào)試實例,具有很好的參考價值,希望對大家有所幫助,如有錯誤或未考慮完全的地方,望不吝賜教2024-06-06
python輸出當(dāng)前目錄下index.html文件路徑的方法
這篇文章主要介紹了python輸出當(dāng)前目錄下index.html文件路徑的方法,涉及Python操作目錄的相關(guān)技巧,需要的朋友可以參考下2015-04-04
這篇文章主要介紹了Python如何使用Python-Pillow庫給圖片添加水印的方法，非常的簡單實用，有需要的小伙伴可以參考下2016-11-11
這篇文章主要介紹了python opencv圖像混合算術(shù)運算的相關(guān)知識，本文通過實例圖文相結(jié)合給大家介紹的非常詳細(xì)，需要的朋友可以參考下2021-09-09
這篇文章主要介紹了利用Python?list列表修改元素，Python?提供了兩種修改列表（list）元素的方法，我們可以每次修改單個元素，也可以每次修改一組元素2022-06-06
Jupyter導(dǎo)入自定義模塊及導(dǎo)入后TypeError錯誤問題及解決
這篇文章主要介紹了Jupyter導(dǎo)入自定義模塊及導(dǎo)入后TypeError錯誤問題及解決，具有很好的參考價值，希望對大家有所幫助。如有錯誤或未考慮完全的地方，望不吝賜教2023-01-01
這篇文章主要介紹了Python super()函數(shù)使用及多重繼承,文中通過示例代碼介紹的非常詳細(xì)，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值,需要的朋友可以參考下2020-05-05
使用Python實現(xiàn)文本英文統(tǒng)計功能
這篇文章主要為大家詳細(xì)介紹了如何使用Python來實現(xiàn)文本英文統(tǒng)計,包括單詞頻率統(tǒng)計、詞匯量統(tǒng)計以及文本情感分析等,感興趣的小伙伴可以參考下2024-05-05