个人中心
gpt4 book ai didi

python 3利用Dlib 19.7实现摄像头人脸检测特征点标定

转载 作者：qq735679552 更新时间：2022-09-28 22:32:09 26 4
gpt4 key购买 nike

CFSDN坚持开源创造价值，我们致力于搭建一个资源共享平台，让每一个IT人在这里找到属于你的精彩世界.

这篇CFSDN的博客文章python 3利用Dlib 19.7实现摄像头人脸检测特征点标定由作者收集整理，如果你对这篇文章有兴趣，记得点赞哟.

python 3 利用 dlib 19.7 实现摄像头人脸检测特征点标定 。

0.引言 。

利用python开发，借助dlib库捕获摄像头中的人脸，进行实时特征点标定； 。

python 3利用Dlib 19.7实现摄像头人脸检测特征点标定

图1 工程效果示例（gif） 。

python 3利用Dlib 19.7实现摄像头人脸检测特征点标定

图2 工程效果示例（静态图片） 。

（实现比较简单，代码量也比较少，适合入门或者兴趣学习。） 。

1.开发环境 。

　　python:　　3.6.3 。

　　dlib:　　　 19.7 。

　　opencv, numpy 。

?
1
2
3
import dlib     # 人脸识别的库dlib
import numpy as np # 数据处理的库numpy
import cv2     # 图像处理的库opencv

2.源码介绍 。

　　其实实现很简单，主要分为两个部分：摄像头调用+人脸特征点标定 。

2.1 摄像头调用 。

　　介绍下opencv中摄像头的调用方法； 。

　　利用 cap = cv2.videocapture(0) 创建一个对象； 。

　　（具体可以参考官方文档） 。

?
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
# 2018-2-26
# by timestamp
# cnblogs: http://www.cnblogs.com/adaminxie
 
"""
cv2.videocapture(), 创建cv2摄像头对象/ open the default camera
 
   python: cv2.videocapture() → <videocapture object>
 
   python: cv2.videocapture(filename) → <videocapture object> 
   filename – name of the opened video file (eg. video.avi) or image sequence (eg. img_%02d.jpg, which will read samples like img_00.jpg, img_01.jpg, img_02.jpg, ...)
 
   python: cv2.videocapture(device) → <videocapture object>
   device – id of the opened video capturing device (i.e. a camera index). if there is a single camera connected, just pass 0.
 
"""
cap = cv2.videocapture( 0 )
 
 
"""
cv2.videocapture.set(propid, value)，设置视频参数;
 
   propid:
   cv_cap_prop_pos_msec current position of the video file in milliseconds.
   cv_cap_prop_pos_frames 0-based index of the frame to be decoded/captured next.
   cv_cap_prop_pos_avi_ratio relative position of the video file: 0 - start of the film, 1 - end of the film.
   cv_cap_prop_frame_width width of the frames in the video stream.
   cv_cap_prop_frame_height height of the frames in the video stream.
   cv_cap_prop_fps frame rate.
   cv_cap_prop_fourcc 4-character code of codec.
   cv_cap_prop_frame_count number of frames in the video file.
   cv_cap_prop_format format of the mat objects returned by retrieve() .
   cv_cap_prop_mode backend-specific value indicating the current capture mode.
   cv_cap_prop_brightness brightness of the image (only for cameras).
   cv_cap_prop_contrast contrast of the image (only for cameras).
   cv_cap_prop_saturation saturation of the image (only for cameras).
   cv_cap_prop_hue hue of the image (only for cameras).
   cv_cap_prop_gain gain of the image (only for cameras).
   cv_cap_prop_exposure exposure (only for cameras).
   cv_cap_prop_convert_rgb boolean flags indicating whether images should be converted to rgb.
   cv_cap_prop_white_balance_u the u value of the whitebalance setting (note: only supported by dc1394 v 2.x backend currently)
   cv_cap_prop_white_balance_v the v value of the whitebalance setting (note: only supported by dc1394 v 2.x backend currently)
   cv_cap_prop_rectification rectification flag for stereo cameras (note: only supported by dc1394 v 2.x backend currently)
   cv_cap_prop_iso_speed the iso speed of the camera (note: only supported by dc1394 v 2.x backend currently)
   cv_cap_prop_buffersize amount of frames stored in internal buffer memory (note: only supported by dc1394 v 2.x backend currently)
  
   value: 设置的参数值/ value of the property
"""
cap. set ( 3 , 480 )
 
"""
cv2.videocapture.isopened(), 检查摄像头初始化是否成功 / check if we succeeded
返回true或false
"""
cap.isopened()
 
"""
cv2.videocapture.read([imgage]) -> retval,image, 读取视频 / grabs, decodes and returns the next video frame
返回两个值：
   一个是布尔值true/false，用来判断读取视频是否成功/是否到视频末尾
   图像对象，图像的三维矩阵
"""
flag, im_rd = cap.read()

2.2 人脸特征点标定 。

　　调用预测器“shape_predictor_68_face_landmarks.dat”进行68点标定，这是dlib训练好的模型，可以直接调用进行人脸68个人脸特征点的标定； 。

　　具体可以参考我的另一篇博客（python3利用dlib19.7实现人脸68个特征点标定）；  。

2.3 源码 。

　　实现的方法比较简单:

　　利用 cv2.videocapture() 创建摄像头对象，然后利用 flag, im_rd = cv2.videocapture.read() 读取摄像头视频，im_rd就是视频中的一帧帧图像； 。

　　然后就类似于单张图像进行人脸检测，对这一帧帧的图像im_rd利用dlib进行特征点标定，然后绘制特征点； 。

　　你可以按下s键来获取当前截图，或者按下q键来退出摄像头； 。

# 2018-2-26 。

?
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
# by timestamp
# cnblogs: http://www.cnblogs.com/adaminxie
# github: https://github.com/coneypo/dlib_face_detection_from_camera
 
import dlib           #人脸识别的库dlib
import numpy as np       #数据处理的库numpy
import cv2           #图像处理的库opencv
 
# dlib预测器
detector = dlib.get_frontal_face_detector()
predictor = dlib.shape_predictor( 'shape_predictor_68_face_landmarks.dat' )
 
# 创建cv2摄像头对象
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 )
 
# 截图screenshoot的计数器
cnt = 0
 
# cap.isopened（） 返回true/false 检查初始化是否成功
while (cap.isopened()):
 
   # cap.read()
   # 返回两个值：
   #  一个布尔值true/false，用来判断读取视频是否成功/是否到视频末尾
   #  图像对象，图像的三维矩阵
   flag, im_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(im_rd, cv2.color_rgb2gray)
 
   # 人脸数rects
   rects = detector(img_gray, 0 )
 
   #print(len(rects))
 
   # 待会要写的字体
   font = cv2.font_hershey_simplex
 
   # 标68个点
   if ( len (rects)! = 0 ):
     # 检测到人脸
     for i in range ( len (rects)):
       landmarks = np.matrix([[p.x, p.y] for p in predictor(im_rd, rects[i]).parts()])
 
       for idx, point in enumerate (landmarks):
         # 68点的坐标
         pos = (point[ 0 , 0 ], point[ 0 , 1 ])
 
         # 利用cv2.circle给每个特征点画一个圈，共68个
         cv2.circle(im_rd, pos, 2 , color = ( 0 , 255 , 0 ))
 
         # 利用cv2.puttext输出1-68
         cv2.puttext(im_rd, str (idx + 1 ), pos, font, 0.2 , ( 0 , 0 , 255 ), 1 , cv2.line_aa)
     cv2.puttext(im_rd, "faces: " + str ( len (rects)), ( 20 , 50 ), font, 1 , ( 0 , 0 , 255 ), 1 , cv2.line_aa)
   else :
     # 没有检测到人脸
     cv2.puttext(im_rd, "no face" , ( 20 , 50 ), font, 1 , ( 0 , 0 , 255 ), 1 , cv2.line_aa)
 
   # 添加说明
   im_rd = cv2.puttext(im_rd, "s: screenshot" , ( 20 , 400 ), font, 0.8 , ( 255 , 255 , 255 ), 1 , cv2.line_aa)
   im_rd = cv2.puttext(im_rd, "q: quit" , ( 20 , 450 ), font, 0.8 , ( 255 , 255 , 255 ), 1 , cv2.line_aa)
 
   # 按下s键保存
   if (k = = ord ( 's' )):
     cnt + = 1
     cv2.imwrite( "screenshoot" + str (cnt) + ".jpg" , im_rd)
 
   # 按下q键退出
   if (k = = ord ( 'q' )):
     break
 
   # 窗口显示
   cv2.imshow( "camera" , im_rd)
 
# 释放摄像头
cap.release()
 
# 删除建立的窗口
cv2.destroyallwindows()

如果对您有帮助，欢迎在github上star本项目.

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我.

原文链接：https://www.cnblogs.com/AdaminXie/p/8472743.html 。

最后此篇关于python 3利用Dlib 19.7实现摄像头人脸检测特征点标定的文章就讲到这里了,如果你想了解更多关于python 3利用Dlib 19.7实现摄像头人脸检测特征点标定的内容请搜索CFSDN的文章或继续浏览相关文章，希望大家以后支持我的博客！ 。

26 4 0
文章推荐： docker pull镜像速度慢的问题解决方法
文章推荐： docker nginx 运行后无法访问的问题解决
文章推荐： 详解如何干净的卸载docker的方法
文章推荐： python微信跳一跳系列之棋子定位颜色识别
qq735679552
个人简介

我是一名优秀的程序员,十分优秀！

滴滴打车优惠券免费领取
滴滴打车优惠券
全站热门文章
Copyright 2021 - 2024 cfsdn All Rights Reserved 蜀ICP备2022000587号
广告合作:1813099741@qq.com 6ren.com