鄭州_Python培訓代碼實現(xiàn)人臉檢測
來源：
奇酷教育 發(fā)表于：
這篇文章主要介紹怎樣用Python培訓實現(xiàn)人臉檢測。人臉檢測是人臉識別的基礎。人臉檢測的目的是識別出照片里的人臉并定位面部特征點，人
這篇文章主要介紹怎樣用
Python培訓實現(xiàn)人臉檢測。人臉檢測是人臉識別的基礎。人臉檢測的目的是識別出照片里的人臉并定位面部特征點，人臉識別是在人臉檢測的基礎上進一步告訴你這個人是誰。
本文的人臉檢測基于dlib，dlib依賴Boost和cmake，所以首先需要安裝這些包，以Ubuntu為例：
1.$ sudo apt-get install build-essential cmake
2.
3.$ sudo apt-get install libgtk-3-dev
4.$ sudo apt-get install libboost-all-dev
5.
我們的程序中還用到numpy，opencv，所以也需要安裝這些庫：
$ pip install numpy
$ pip install scipy
$ pip install opencv-python
$ pip install dlib
人臉檢測基于事先訓練好的模型數(shù)據(jù)，從這里可以下到模型數(shù)據(jù)
http://dlib.net/files/shape_predictor_68_face_landmarks.dat.bz2
下載到本地路徑后解壓，記下解壓后的文件路徑，程序中會用到。
dlib的人臉特征點
上面下載的模型數(shù)據(jù)是用來估計人臉上68個特征點(x, y)的坐標位置，這68個坐標點的位置如下圖所示：
我們的程序將包含兩個步驟：
第一步，在照片中檢測人臉的區(qū)域
第二部，在檢測到的人臉區(qū)域中，進一步檢測器官（眼睛、鼻子、嘴巴、下巴、眉毛）
人臉檢測代碼
我們先來定義幾個工具函數(shù)：
def rect_to_bb(rect):
x = rect.left()
y = rect.top()
w = rect.right() - x
h = rect.bottom() - y
return (x, y, w, h)
這個函數(shù)里的rect是dlib臉部區(qū)域檢測的輸出。這里將rect轉換成一個序列，序列的內容是矩形區(qū)域的邊界信息。
def shape_to_np(shape, dtype="int"):
coords = np.zeros((68, 2), dtype=dtype)
for i in range(0, 68):
coords[i] = (shape.part(i).x, shape.part(i).y)
return coords
這個函數(shù)里的shape是dlib臉部特征檢測的輸出，一個shape里包含了前面說到的臉部特征的68個點。這個函數(shù)將shape轉換成Numpy array，為方便后續(xù)處理。
def resize(image, width=1200):
r = width * 1.0 / image.shape[1]
dim = (width, int(image.shape[0] * r))
resized = cv2.resize(image, dim, interpolation=cv2.INTER_AREA)
return resized
這個函數(shù)里的image就是我們要檢測的圖片。在人臉檢測程序的最后，我們會顯示檢測的結果圖片來驗證，這里做resize是為了避免圖片過大，超出屏幕范圍。
接下來，開始我們的主程序部分
import sys import numpy as np
import dlib import cv2
if len(sys.argv) < 2:
print "Usage: %s <image file>" % sys.argv[0]
sys.exit(1)
image_file = sys.argv[1]
detector = dlib.get_frontal_face_detector()
predictor = dlib.shape_predictor("shape_predictor_68_face_landmarks.dat")
我們從sys.argv[1]參數(shù)中讀取要檢測人臉的圖片，接下來初始化人臉區(qū)域檢測的detector和人臉特征檢測的predictor。shape_predictor中的參數(shù)就是我們之前解壓后的文件的路徑。
image = cv2.imread(image_file)
image = resize(image, width=1200)
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
rects = detector(gray, 1)
在檢測特征區(qū)域前，我們先要檢測人臉區(qū)域。這段代碼調用opencv加載圖片，resize到合適的大小，轉成灰度圖，最后用detector檢測臉部區(qū)域。因為一張照片可能包含多張臉，所以這里得到的是一個包含多張臉的信息的數(shù)組rects。
for (i, rect) in enumerate(rects):
shape = predictor(gray, rect)
shape = shape_to_np(shape)
(x, y, w, h) = rect_to_bb(rect)
cv2.rectangle(image, (x, y), (x + w, y + h), (0, 255, 0), 2)
cv2.putText(image, "Face #{}".format(i + 1), (x - 10, y - 10), cv2.FONT_HERSHEY_SIMPLEX, 0.5, (0, 255, 0), 2)
for (x, y) in shape:
cv2.circle(image, (x, y), 2, (0, 0, 255), -1)
cv2.imshow("Output", image)
cv2.waitKey(0)
對于每一張檢測到的臉，我們進一步檢測臉部的特征（鼻子、眼睛、眉毛等）。對于臉部區(qū)域，我們用綠色的框在照片上標出；對于臉部特征，我們用紅色的點標出來。
最后我們把加了檢測標識的照片顯示出來，waitKey(0)表示按任意鍵可退出程序。
以上是我們程序的全部
測試
接下來是令人興奮的時刻，檢驗我們結果的時刻到來了。
下面是原圖
下面是程序識別的結果
可以看到臉部區(qū)域被綠色的長方形框起來了，臉上的特征（鼻子，眼睛等）被紅色點點標識出來了。
您現(xiàn)在所在的位置：首頁 >關于奇酷 > 行業(yè)動態(tài) > 鄭州_Python培訓代碼實現(xiàn)人臉檢測
