Python 3 利用 Dlib 19.7 實現Face Service和剪下

Python 3 利用 Dlib 19.7 實現Face Service和剪下

0.引言

　　　利用Python開發，藉助Dlib庫進行Face Service，然後將檢測到的人臉剪下下來，依次排序顯示在新的映像上；

　　　實現的效果如所示，將圖1原圖中的6張臉部偵測出來，然後剪下下來，在映像視窗中依次輸出顯示人臉；

　　　實現比較簡單，代碼量也比較少，適合入門或者興趣學習。 

 　　

　　　　圖1 原圖和處理後得到的映像視窗 

1.開發環境

　　python:　　3.6.3

　　dlib:　　　 19.7

　　OpenCv, numpy 

1 import dlib         # Face Service的庫dlib2 import numpy as np  # 資料處理的庫numpy3 import cv2          # 影像處理的庫OpenCv 

2.設計流程

　　工作內容主要以下兩大塊：dlib臉部偵測 和 繪製新映像

　　　　2.1 dlib臉部偵測：

　　　　　　dlib的使用，在我之前另一篇部落格裡面介紹過

　　　　　　（link:  ； 

　　　　2.2 繪製新映像：

　　　　2.2.1 確定空白映像尺寸

　　這部分首先要根據檢測到的人臉數和人臉大小，來確定繪製映像所需要的尺寸：　　　　　　

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

我取的產生映像的尺寸：height_max（最大高度）和width_sum（寬度之和），然後根據尺寸大小來建立空白映像：

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

　　　　2.2.2 映像填充

　　　　　　然後再進行一次人臉遍曆，這次進行空白映像img_blank進行填充：

1     for i in range(height):2         for j in range(width):3                 img_blank[i][blank_start+j] = img[d.top()+i][d.left()+j]

　　

　　　　圖2 映像尺寸說明　　

　　　　如果想訪問映像的某點像素，可以利用img[height][width]：

　　　　　　儲存像素其實是一個三維數組，先高度height，然後寬度width;

　　　　　　返回的是一個顏色數組（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        # Face Service的庫dlib
import numpy as np  # 資料處理的庫numpy
import cv2          # 影像處理的庫OpenCv

# dlib預測器
detector = dlib.get_frontal_face_detector()
predictor = dlib.shape_predictor('shape_predictor_68_face_landmarks.dat')

# 讀取映像
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：", len(dets))

# 記錄人臉矩陣大小
height_max = 0
width_sum = 0

# 計算要產生的映像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

# 繪製用來顯示人臉的映像的大小
print("img_blank的大小：")
print("高度", height_max, "寬度", width_sum)

# 產生用來顯示的映像
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]
    # 調整映像
    blank_start += width

cv2.namedWindow("img_faces", 2)
cv2.imshow("img_faces", img_blank)
cv2.waitKey(0) 

結果：

 

　　　　圖3 原圖和處理後得到的映像視窗