這篇文章主要講解了“Python人臉檢測(cè)如何實(shí)現(xiàn)”，文中的講解內(nèi)容簡(jiǎn)單清晰，易于學(xué)習(xí)與理解，下面請(qǐng)大家跟著小編的思路慢慢深入，一起來(lái)研究和學(xué)習(xí)“Python人臉檢測(cè)如何實(shí)現(xiàn)”吧！

成都創(chuàng)新互聯(lián)主營(yíng)慶云網(wǎng)站建設(shè)的網(wǎng)絡(luò)公司,主營(yíng)網(wǎng)站建設(shè)方案,app軟件開(kāi)發(fā)公司,慶云h5微信平臺(tái)小程序開(kāi)發(fā)搭建,慶云網(wǎng)站營(yíng)銷推廣歡迎慶云等地區(qū)企業(yè)咨詢

首先需要安裝這些包，以Ubuntu為例：

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

我們的程序中還用到numpy，opencv，所以也需要安裝這些庫(kù)：

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

人臉檢測(cè)基于事先訓(xùn)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(huì)用到。

dlib的人臉特征點(diǎn)

上面下載的模型數(shù)據(jù)是用來(lái)估計(jì)人臉上68個(gè)特征點(diǎn)(x, y)的坐標(biāo)位置

我們的程序?qū)瑑蓚€(gè)步驟：

第一步，在照片中檢測(cè)人臉的區(qū)域

第二部，在檢測(cè)到的人臉區(qū)域中，進(jìn)一步檢測(cè)器官（眼睛、鼻子、嘴巴、下巴、眉毛）

人臉檢測(cè)代碼

我們先來(lái)定義幾個(gè)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(gè)函數(shù)里的rect是dlib臉部區(qū)域檢測(cè)的輸出。這里將rect轉(zhuǎn)換成一個(gè)序列，序列的內(nèi)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(gè)函數(shù)里的shape是dlib臉部特征檢測(cè)的輸出，一個(gè)shape里包含了前面說(shuō)到的臉部特征的68個(gè)點(diǎn)。這個(gè)函數(shù)將shape轉(zhuǎn)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(gè)函數(shù)里的image就是我們要檢測(cè)的圖片。在人臉檢測(cè)程序的***，我們會(huì)顯示檢測(cè)的結(jié)果圖片來(lái)驗(yàn)證，這里做resize是為了避免圖片過(guò)大，超出屏幕范圍。

接下來(lái)，開(kāi)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(cè)人臉的圖片，接下來(lái)初始化人臉區(qū)域檢測(cè)的detector和人臉特征檢測(cè)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(cè)特征區(qū)域前，我們先要檢測(cè)人臉區(qū)域。這段代碼調(diào)用opencv加載圖片，resize到合適的大小，轉(zhuǎn)成灰度圖，***用detector檢測(cè)臉部區(qū)域。因?yàn)橐粡堈掌赡馨鄰埬?，所以這里得到的是一個(gè)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)

感謝各位的閱讀，以上就是“Python人臉檢測(cè)如何實(shí)現(xiàn)”的內(nèi)容了，經(jīng)過(guò)本文的學(xué)習(xí)后，相信大家對(duì)Python人臉檢測(cè)如何實(shí)現(xiàn)這一問(wèn)題有了更深刻的體會(huì)，具體使用情況還需要大家實(shí)踐驗(yàn)證。這里是創(chuàng)新互聯(lián)，小編將為大家推送更多相關(guān)知識(shí)點(diǎn)的文章，歡迎關(guān)注！

本文題目：Python人臉檢測(cè)如何實(shí)現(xiàn)
分享URL：http://aaarwkj.com/article6/igooog.html

成都網(wǎng)站建設(shè)公司_創(chuàng)新互聯(lián)，為您提供外貿(mào)網(wǎng)站建設(shè)、網(wǎng)站排名、關(guān)鍵詞優(yōu)化、網(wǎng)站設(shè)計(jì)、營(yíng)銷型網(wǎng)站建設(shè)、移動(dòng)網(wǎng)站建設(shè)

廣告

聲明：本網(wǎng)站發(fā)布的內(nèi)容（圖片、視頻和文字）以用戶投稿、用戶轉(zhuǎn)載內(nèi)容為主，如果涉及侵權(quán)請(qǐng)盡快告知，我們將會(huì)在第一時(shí)間刪除。文章觀點(diǎn)不代表本網(wǎng)站立場(chǎng)，如需處理請(qǐng)聯(lián)系客服。電話：028-86922220；郵箱：631063699@qq.com。內(nèi)容未經(jīng)允許不得轉(zhuǎn)載，或轉(zhuǎn)載時(shí)需注明來(lái)源： 創(chuàng)新互聯(lián)