您的位置：首页 > 脚本大全 > > 正文

python怎么做图像识别（Python3利用Dlib实现摄像头实时人脸检测和平铺显示示例）

更多时间：2022-01-23 02:37:30 类别：脚本大全浏览量：2199

python怎么做图像识别

Python3利用Dlib实现摄像头实时人脸检测和平铺显示示例

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；

python怎么做图像识别（Python3利用Dlib实现摄像头实时人脸检测和平铺显示示例）

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；

python怎么做图像识别（Python3利用Dlib实现摄像头实时人脸检测和平铺显示示例）

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:

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

17

18

19

20

21

22

23

24

25

26

27

28

29

30

31

32

33

34

35

36

37

38

39

40

41

42

43

44

45

46

47

48

49

50

51

52

53

54

55

56

57

58 # 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" alt="python怎么做图像识别（Python3利用Dlib实现摄像头实时人脸检测和平铺显示示例）" border="0" />, 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:

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

17

18

19

20

21

22

23

24

25

26

27

28

29

30

31

32

33

34

35 # 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.jpg" alt="python怎么做图像识别（Python3利用Dlib实现摄像头实时人脸检测和平铺显示示例）" border="0" />)
# 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)

python怎么做图像识别（Python3利用Dlib实现摄像头实时人脸检测和平铺显示示例）

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 ）:

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

17

18

19

20

21

22

23

24

25 # 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:

python怎么做图像识别（Python3利用Dlib实现摄像头实时人脸检测和平铺显示示例）

图 4 平铺显示的人脸

2.4. 完整源码

faces_from_camera.py:

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

17

18

19

20

21

22

23

24

25

26

27

28

29

30

31

32

33

34

35

36

37

38

39

40

41

42

43

44

45

46

47

48

49

50

51

52

53

54

55

56

57

58

59

60

61

62

63

64

65

66

67

68

69

70

71

72

73

74

75

76

77

78

79

80

81

82

83

84

85

86

87

88

89

90

91

92

93

94

95

96

97 # 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" alt="python怎么做图像识别（Python3利用Dlib实现摄像头实时人脸检测和平铺显示示例）" border="0" />)
cv2.imwrite(path_screenshots + "screenshot" + "_" + str(ss_cnt) + "_" + time.strftime("%y-%m-%d-%h-%m-%s", time.localtime()) + ".jpg" alt="python怎么做图像识别（Python3利用Dlib实现摄像头实时人脸检测和平铺显示示例）" border="0" />, 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：

python 3 利用 dlib 进行人脸检测

python 3 利用 dlib 实现人脸检测和剪切

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开心学习网。

原文链接：https://www.cnblogs.com/AdaminXie/p/10317066.html

标签：摄像头 Python3 人脸检测 Dlib

上一篇：php目录使用教程学习（PHP FileSystem 文件系统常用api整理总结）

下一篇：pythonrequests爬虫使用教程（Python 通过requests实现腾讯新闻抓取爬虫的方法）

您可能感兴趣

python怎么做图像识别（Python3利用Dlib实现摄像头实时人脸检测和平铺显示示例）

python怎么做图像识别

热门推荐

排行榜