Python中怎么实现人脸检测

Python中怎么实现人脸检测，很多新手对此不是很清楚，为了帮助大家解决这个难题，下面小编将为大家详细讲解，有这方面需求的人可以来学习下，希望你能有所收获。

鄯善网站制作公司哪家好，找成都创新互联公司！从网页设计、网站建设、微信开发、APP开发、成都响应式网站建设公司等网站项目制作，到程序开发，运营维护。成都创新互联公司于2013年开始到现在10年的时间，我们拥有了丰富的建站经验和运维经验，来保证我们的工作的顺利进行。专注于网站建设就选成都创新互联公司。

首先需要安装这些包，以Ubuntu为例：

$ sudo apt-get install build-essential cmake  $ sudo apt-get install libgtk-3-dev  $ sudo apt-get install libboost-all-dev

我们的程序中还用到numpy，opencv，所以也需要安装这些库：

$ pip install numpy  $ pip install scipy  $ pip install opencv-python  $ pip install dlib

人脸检测基于事先训练好的模型数据，从这里可以下到模型数据

http://dlib.net/files/shape_predictor_68_face_landmarks.dat.bz2

下载到本地路径后解压，记下解压后的文件路径，程序中会用到。

dlib的人脸特征点

上面下载的模型数据是用来估计人脸上68个特征点(x, y)的坐标位置，这68个坐标点的位置如下图所示：

我们的程序将包含两个步骤：

***步，在照片中检测人脸的区域

第二部，在检测到的人脸区域中，进一步检测器官（眼睛、鼻子、嘴巴、下巴、眉毛）

人脸检测代码

我们先来定义几个工具函数：

def rect_to_bb(rect):      x = rect.left()      y = rect.top()      w = rect.right() - x       h = rect.bottom() - y          return (x, y, w, h)

这个函数里的rect是dlib脸部区域检测的输出。这里将rect转换成一个序列，序列的内容是矩形区域的边界信息。

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

这个函数里的shape是dlib脸部特征检测的输出，一个shape里包含了前面说到的脸部特征的68个点。这个函数将shape转换成Numpy array，为方便后续处理。

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

这个函数里的image就是我们要检测的图片。在人脸检测程序的***，我们会显示检测的结果图片来验证，这里做resize是为了避免图片过大，超出屏幕范围。

接下来，开始我们的主程序部分

import sys import numpy as np  import dlib import cv2   if len(sys.argv) < 2:          print "Usage: %s " % 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")

我们从sys.argv[1]参数中读取要检测人脸的图片，接下来初始化人脸区域检测的detector和人脸特征检测的predictor。shape_predictor中的参数就是我们之前解压后的文件的路径。

image = cv2.imread(image_file)  image = resize(image, width=1200)  gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)  rects = detector(gray, 1)

在检测特征区域前，我们先要检测人脸区域。这段代码调用opencv加载图片，resize到合适的大小，转成灰度图，***用detector检测脸部区域。因为一张照片可能包含多张脸，所以这里得到的是一个包含多张脸的信息的数组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)

看完上述内容是否对您有帮助呢？如果还想对相关知识有进一步的了解或阅读更多相关文章，请关注创新互联行业资讯频道，感谢您对创新互联的支持。