Python+Dlib+Opencv實現(xiàn)人臉采集功能的方法-創(chuàng)新互聯(lián)

創(chuàng)新互聯(lián)www.cdcxhl.cn八線動態(tài)BGP香港云服務(wù)器提供商，新人活動買多久送多久，劃算不套路！

創(chuàng)新互聯(lián)建站2013年至今，先為江安等服務(wù)建站，江安等地企業(yè)，進行企業(yè)商務(wù)咨詢服務(wù)。為江安企業(yè)網(wǎng)站制作PC+手機+微官網(wǎng)三網(wǎng)同步一站式服務(wù)解決您的所有建站問題。

小編給大家分享一下Python+Dlib+Opencv實現(xiàn)人臉采集功能的方法，希望大家閱讀完這篇文章后大所收獲，下面讓我們一起去探討方法吧！

一、dlib以及opencv-python庫安裝

介于我使用的是jupyter notebook，所以在安裝dlib和opencv-python時是在

這個命令行安裝的

dlib安裝方法：

1.若可以，直接使用上圖所示命令行輸入以下命令：

pip install cmake

pip install boost

pip install dlib

若安裝了visual studio2019應(yīng)該就可以直接pip install dlib，至少我是這樣

由于很多在執(zhí)行第三句時都會報錯，所以這里提供第二種辦法

2.去dlib官網(wǎng)：http://dlib.net/ 或者 https://github.com/davisking/dlib 下載壓縮包

下載完成后，解壓縮

在安裝dlib前需要安裝Boost和Cmake，dlib19之后你需要安裝vs2015以上的IDE，本人是安裝的vs2019，（建議先安裝好VS之后再安裝Cmake和 boost）

Cmake安裝

官網(wǎng)下載安裝包：https://cmake.org/download/

我下的是

直接安裝之后，配置環(huán)境變量

Boost下載

安裝boost：下載地址：http://www.boost.org/

如果vs安裝的是2015以上的版本，可以直接進行下一步，最好安裝最新版本，不然會找不到b2命令

下載之后將其解壓縮，進入boost_1_73_0文件夾中，找到bootstrap.bat批處理文件，雙擊運行，等待運行完成后（命令行自動消失）會生成兩個文件b2.exe和bjam.exe

然后將這兩個文件復(fù)制到boost_1_73_0根文件夾下：
同樣開啟一個命令行，定位到這個文件夾，運行命令：

b2 install

這個安裝需要一段時間，耐心等候。

利用b2編譯庫文件：

b2 -a –with-python address-model=64 toolset=msvc runtime-link=static

之前你cmake下載的64位這里（address-model）寫64，如果是32位的就把之前的64改成32

安裝完成后配置boost環(huán)境變量

安裝dlib

進入你的dlib解壓路徑，輸入python setup.py install

成功之后會在文件夾中看見dlib和dlib.egg-info ，將這兩個文件夾復(fù)制到你的python安裝的目錄下的Lib文件中：

—>例如我的python環(huán)境為python2.7，

—>所以將其放在python2-7文件夾的Python2-7\Lib\site-packages中

—>這時，就已經(jīng)完成了dlib的配置

opencv-python安裝方法

在Anaconda Prompt下輸入以下命令

pip install opencv-python

但如果一直失敗，建議在Anaconda Prompt下輸入以下命令

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple opencv-python

二、dlib的68點模型

dlib的68點模型，使用網(wǎng)絡(luò)上大神訓(xùn)練好的特征預(yù)測器，用來進行python代碼人臉識別的特征預(yù)測。

三、Python實現(xiàn)人臉識別&表情判別

"""
從視屏中識別人臉，并實時標(biāo)出面部特征點
"""
import sys
import dlib # 人臉識別的庫dlib
import numpy as np # 數(shù)據(jù)處理的庫numpy
import cv2 # 圖像處理的庫OpenCv
 
class face_emotion():
  def __init__(self):
    # 使用特征提取器get_frontal_face_detector
    self.detector = dlib.get_frontal_face_detector()
    # dlib的68點模型，使用作者訓(xùn)練好的特征預(yù)測器
    self.predictor = dlib.shape_predictor("F:/face.dat")
 
    # 建cv2攝像頭對象，這里使用電腦自帶攝像頭，如果接了外部攝像頭，則自動切換到外部攝像頭
    self.cap = cv2.VideoCapture(0)
    # 設(shè)置視頻參數(shù)，propId設(shè)置的視頻參數(shù)，value設(shè)置的參數(shù)值
    self.cap.set(3, 480)
    # 截圖screenshoot的計數(shù)器
    self.cnt = 0
 
  def learning_face(self):
 
    # 眉毛直線擬合數(shù)據(jù)緩沖
    line_brow_x = []
    line_brow_y = []
 
    # cap.isOpened（） 返回true/false 檢查初始化是否成功
    while (self.cap.isOpened()):
 
      # cap.read()
      # 返回兩個值：
      #  一個布爾值true/false，用來判斷讀取視頻是否成功/是否到視頻末尾
      #  圖像對象，圖像的三維矩陣
      flag, im_rd = self.cap.read()
 
      # 每幀數(shù)據(jù)延時1ms，延時為0讀取的是靜態(tài)幀
      k = cv2.waitKey(1)
 
      # 取灰度
      img_gray = cv2.cvtColor(im_rd, cv2.COLOR_RGB2GRAY)
 
      # 使用人臉檢測器檢測每一幀圖像中的人臉。并返回人臉數(shù)rects
      faces = self.detector(img_gray, 0)
 
      # 待會要顯示在屏幕上的字體
      font = cv2.FONT_HERSHEY_SIMPLEX
 
      # 如果檢測到人臉
      if (len(faces) != 0):
 
        # 對每個人臉都標(biāo)出68個特征點
        for i in range(len(faces)):
          # enumerate方法同時返回數(shù)據(jù)對象的索引和數(shù)據(jù)，k為索引，d為faces中的對象
          for k, d in enumerate(faces):
            # 用紅色矩形框出人臉
            cv2.rectangle(im_rd, (d.left(), d.top()), (d.right(), d.bottom()), (0, 0, 255))
            # 計算人臉熱別框邊長
            self.face_width = d.right() - d.left()
 
            # 使用預(yù)測器得到68點數(shù)據(jù)的坐標(biāo)
            shape = self.predictor(im_rd, d)
            # 圓圈顯示每個特征點
            for i in range(68):
              cv2.circle(im_rd, (shape.part(i).x, shape.part(i).y), 2, (0, 255, 0), -1, 8)
              # cv2.putText(im_rd, str(i), (shape.part(i).x, shape.part(i).y), cv2.FONT_HERSHEY_SIMPLEX, 0.5,
              #      (255, 255, 255))
 
            # 分析任意n點的位置關(guān)系來作為表情識別的依據(jù)
            mouth_width = (shape.part(54).x - shape.part(48).x) / self.face_width # 嘴巴咧開程度
            mouth_higth = (shape.part(66).y - shape.part(62).y) / self.face_width # 嘴巴張開程度
            # print("嘴巴寬度與識別框?qū)挾戎龋?quot;,mouth_width_arv)
            # print("嘴巴高度與識別框高度之比：",mouth_higth_arv)
 
            # 通過兩個眉毛上的10個特征點，分析挑眉程度和皺眉程度
            brow_sum = 0 # 高度之和
            frown_sum = 0 # 兩邊眉毛距離之和
            for j in range(17, 21):
              brow_sum += (shape.part(j).y - d.top()) + (shape.part(j + 5).y - d.top())
              frown_sum += shape.part(j + 5).x - shape.part(j).x
              line_brow_x.append(shape.part(j).x)
              line_brow_y.append(shape.part(j).y)
 
            # self.brow_k, self.brow_d = self.fit_slr(line_brow_x, line_brow_y) # 計算眉毛的傾斜程度
            tempx = np.array(line_brow_x)
            tempy = np.array(line_brow_y)
            z1 = np.polyfit(tempx, tempy, 1) # 擬合成一次直線
            self.brow_k = -round(z1[0], 3) # 擬合出曲線的斜率和實際眉毛的傾斜方向是相反的
 
            brow_hight = (brow_sum / 10) / self.face_width # 眉毛高度占比
            brow_width = (frown_sum / 5) / self.face_width # 眉毛距離占比
            # print("眉毛高度與識別框高度之比：",round(brow_arv/self.face_width,3))
            # print("眉毛間距與識別框高度之比：",round(frown_arv/self.face_width,3))
 
            # 眼睛睜開程度
            eye_sum = (shape.part(41).y - shape.part(37).y + shape.part(40).y - shape.part(38).y +
                  shape.part(47).y - shape.part(43).y + shape.part(46).y - shape.part(44).y)
            eye_hight = (eye_sum / 4) / self.face_width
            # print("眼睛睜開距離與識別框高度之比：",round(eye_open/self.face_width,3))
 
            # 分情況討論
            # 張嘴，可能是開心或者驚訝
            if round(mouth_higth >= 0.03):
              if eye_hight >= 0.056:
                cv2.putText(im_rd, "amazing", (d.left(), d.bottom() + 20), cv2.FONT_HERSHEY_SIMPLEX,
                      0.8,
                      (0, 0, 255), 2, 4)
              else:
                cv2.putText(im_rd, "happy", (d.left(), d.bottom() + 20), cv2.FONT_HERSHEY_SIMPLEX, 0.8,
                      (0, 0, 255), 2, 4)
 
            # 沒有張嘴，可能是正常和生氣
            else:
              if self.brow_k <= -0.3:
                cv2.putText(im_rd, "angry", (d.left(), d.bottom() + 20), cv2.FONT_HERSHEY_SIMPLEX, 0.8,
                      (0, 0, 255), 2, 4)
              else:
                cv2.putText(im_rd, "nature", (d.left(), d.bottom() + 20), cv2.FONT_HERSHEY_SIMPLEX, 0.8,
                      (0, 0, 255), 2, 4)
 
        # 標(biāo)出人臉數(shù)
        cv2.putText(im_rd, "Faces: " + str(len(faces)), (20, 50), font, 1, (0, 0, 255), 1, cv2.LINE_AA)
      else:
        # 沒有檢測到人臉
        cv2.putText(im_rd, "No Face", (20, 50), font, 1, (0, 0, 255), 1, cv2.LINE_AA)
 
      # 添加說明
      im_rd = cv2.putText(im_rd, "S: screenshot", (20, 400), font, 0.8, (0, 0, 255), 1, cv2.LINE_AA)
      im_rd = cv2.putText(im_rd, "Q: quit", (20, 450), font, 0.8, (0, 0, 255), 1, cv2.LINE_AA)
 
      # 按下s鍵截圖保存
      if (k == ord('s')):
        self.cnt += 1
        cv2.imwrite("screenshoot" + str(self.cnt) + ".jpg", im_rd)
 
      # 按下q鍵退出
      if (k == ord('q')):
        break
 
      # 窗口顯示
      cv2.imshow("camera", im_rd)
 
    # 釋放攝像頭
    self.cap.release()
 
    # 刪除建立的窗口
    cv2.destroyAllWindows()
 
if __name__ == "__main__":
  my_face = face_emotion()
  my_face.learning_face()

網(wǎng)站名稱：Python+Dlib+Opencv實現(xiàn)人臉采集功能的方法-創(chuàng)新互聯(lián)
本文路徑：http://bm7419.com/article42/cdiehc.html

成都網(wǎng)站建設(shè)公司_創(chuàng)新互聯(lián)，為您提供自適應(yīng)網(wǎng)站、品牌網(wǎng)站建設(shè)、電子商務(wù)、建站公司、虛擬主機、全網(wǎng)營銷推廣

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)請盡快告知，我們將會在第一時間刪除。文章觀點不代表本網(wǎng)站立場，如需處理請聯(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)載時需注明來源： 創(chuàng)新互聯(lián)