mg4377娱乐娱城官网_mg4377娱乐手机版_www.mg4377.com

七贯彻摄像头人脸质量评定特征点标定,七落到

时间:2019-06-02 17:17来源:mg4377娱乐手机版
Python 三 利用 Dlib 1玖.柒 达成录制头人脸检查测试特征点标定 python 3利用Dlib 19.柒兑现录制头人脸检测特征点标定,dlib1玖.7 Python 三 利用 Dlib 1九.七 达成录像头人脸检查测试特征点标定

Python 三 利用 Dlib 1玖.柒 达成录制头人脸检查测试特征点标定

python 3利用Dlib 19.柒兑现录制头人脸检测特征点标定,dlib1玖.7

Python 三 利用 Dlib 1九.七 达成录像头人脸检查测试特征点标定

0.引言

选择python开荒,借助Dlib库捕获录制头中的人脸,实行实时特征点标定;

mg4377娱乐手机版 1

图壹 工程效益示例(gif)

mg4377娱乐手机版 2

图2 工程作用示例(静态图片)

(达成相比较轻巧,代码量也正如少,适合入门或然兴趣学习。)

一.开垦景况

  python:  3.6.3

  dlib:    19.7

  OpenCv, numpy

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 

七贯彻摄像头人脸质量评定特征点标定,七落到实处人脸七11个特征点标定。2.源码介绍

  其实落成极粗略,重要分为多少个部分:录制头调用 人脸特征点标定

mg4377娱乐手机版,二.一 摄像头调用

  介绍下opencv中摄像头的调用方法;

  利用 cap = cv二.VideoCapture(0) 创造一个对象;

  (具体能够参见官方文书档案)

# 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_d.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()

二.2 人脸特征点标定

  调用预测器“shape_predictor_68_face_landmarks.dat”举行6捌点标定,那是dlib磨炼好的模子,能够间接调用举行人脸六贰拾1人脸特征点的标定;

  具体可以参见作者的另壹篇博客(python三选择Dlib1九.七落到实处人脸七十七个特征点标定); 

2.3 源码

  完成的点子比较轻松:

  利用 cv二.VideoCapture() 成立录像头对象,然后利用 flag, im_rd = cv二.VideoCapture.read() 读取摄像头录像,im_rd正是录制中的一帧帧图像;

  然后就类似于单张图像进行人脸检查评定,对这1帧帧的图像im_rd利用dlib举行特征点标定,然后绘制特征点;

  你能够按下s键来获取当前截图,大概按下q键来退出录制头;

# 2018-2-26

# 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()

如果对你有援助,应接在GitHub上star本项目。

如上正是本文的全体内容,希望对大家的读书抱有帮助,也愿意大家多多帮衬帮客之家。

三利用Dlib 1九.七落到实处录像头人脸检查测试特征点标定,dlib1玖.柒 Python 叁 利用 Dlib 1九.7落成录像头人脸检查评定特征点标定 0.引言 利用python开辟,借助...

0.引言

0.引言

运用Dlib官方磨练好的模子“shape_predictor_68_face_landmarks.dat”进行6捌点标定,利用OpenCv举办图像化管理,在人脸上画出陆拾九个点,并表明序号;

运用python开垦,借助Dlib库捕获录制头中的人脸,进行实时特征点标定;

兑现的七十个特征点标定成效如下图所示:

mg4377娱乐手机版 3

mg4377娱乐手机版 4

图一 工程作用示例(gif)

图1 人脸70个特征点的标定 

mg4377娱乐手机版 5

一.付出情况

图2 工程功效示例(静态图片)

  python:3.6.3

(完结比较轻便,代码量也正如少,适合入门大概兴趣学习。)

  dlib:19.7

一.成本意况

  OpenCv, numpy

  python:  3.6.3

急需调用的库: 

  dlib:    19.7

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

  OpenCv, numpy

二.企划流程

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 

做事内容入眼以下两大块:6八点标定和OpenCv绘点

二.源码介绍

68点标定:

  其实完结一点也不细略,主要分为三个部分:录制头调用 人脸特征点标定

借助于官方的德姆o(face_landmark_detection.py,在事先另一篇博客里面介绍过学习Python3 Dlib1九.7拓展人脸面部识别)实现;

2.一 摄像头调用

OpenCv绘点:

  介绍下opencv中录像头的调用方法;

介绍了用到的 画圆函数cv二.circle() 和 输出字符串函数 cv2.putText() ;

编辑:mg4377娱乐手机版 本文来源:七贯彻摄像头人脸质量评定特征点标定,七落到

关键词: