下面是针对“超详细注释之OpenCV dlib实现人脸采集”的完整攻略：

OpenCV dlib实现人脸采集

简介

本文将使用Python中的OpenCV和dlib库来实现人脸采集。dlib库是一个基于机器学习算法的C++工具箱，可以进行人脸检测和面部关键点检测等操作，而OpenCV库则是一个计算机视觉的强大工具，它可以帮助我们实现图像和视频处理。

在这里，我们将使用OpenCV和dlib库中的一些函数和工具来实现人脸检测和面部标记，并将所检测到的面部特征保存到本地文件夹中。

准备工作

在开始实现代码之前，您需要安装以下Python库：

numpy
dlib
opencv-contrib-python

您可以使用以下命令在控制台上安装它们：

pip install numpy dlib opencv-contrib-python

步骤

我们将分成以下步骤实现人脸采集：

导入必要的库
加载人脸检测模型
使用OpenCV捕获视频和图片
检测面部和保存到本地文件夹

导入必要的库

下面的代码演示了我们如何导入必要的库：

import cv2
import dlib
import numpy as np
import os

其中，cv2和dlib分别是OpenCV和dlib库的Python接口，numpy用于矩阵计算，os用于创建文件夹并在其中保存文件。

加载人脸检测模型

在以下代码中，我们使用 dlib 库提供的基于 HOG 特征的人脸检测器来识别面部，并使用下标 0 选择第一个检测器。

detector = dlib.get_frontal_face_detector()
predictor = dlib.shape_predictor('shape_predictor_68_face_landmarks.dat')

这个人脸检测器基于HOG特征，可以很快地检测到面部特征。但是，检测结果可能会有误差，因此在人脸检测器中仍需要一些硬性规则和知识。

使用OpenCV捕获视频和图片

使用OpenCV库的VideoCapture函数来捕获摄像头的视频。 VideoCapture函数接受的参数是摄像头的 ID。在电脑上安装的摄像头通常具有默认ID 0。我们可以使用以下代码来显示摄像头的窗口并捕获视频。

cap = cv2.VideoCapture(0)

同时，我们可以使用imread函数来加载本地图片：

image = cv2.imread("test.jpg")

这里我们读取了本地名称为 test.jpg 的图片。您可以更改为其他路径和文件名。

检测面部和保存到本地文件夹

对于每一帧图像，我们都将使用 dlib 库提供的人脸检测器进行人脸检测和人脸关键点检测。由于OpenCV的图片格式是BGR，因此我们将使用cv2.cvtColor函数来转换为RGB，然后将绘制的面部图形保存到本地文件夹中。以下代码提供了完整的实现。

if __name__ == '__main__':
    os.makedirs('imgs', exist_ok=True)

    while True:
        _, frame = cap.read()

        gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
        faces = detector(gray)

        for face in faces:
            landmarks = predictor(gray, face)
            landmarks_points = []

            for i in range(68):
                x = landmarks.part(i).x
                y = landmarks.part(i).y
                landmarks_points.append((x, y))

            landmarks_points = np.array(landmarks_points, np.int32)
            convexhull = cv2.convexHull(landmarks_points)
            cv2.drawContours(frame, [convexhull], -1, (0, 255, 0), 3)

            for point in landmarks_points:
                cv2.circle(frame, (point[0], point[1]), 2, (0, 0, 255), -1)

        cv2.imshow("Face collector", frame)

        if cv2.waitKey(1) & 0xFF == ord('q'):
            break

        os.makedirs('imgs', exist_ok=True)
        file_name = os.path.join('imgs', 'img_{}.jpg'.format(str(time.time()).replace('.', '')))

        cv2.imwrite(file_name, frame)

    cap.release()
    cv2.destroyAllWindows()

在上述代码中，os.makedirs用于创建存储图像的文件夹。while循环用于持续获取帧并检测面部。在每次循环之后，我们都将在存储图片的文件夹中保存检测到的面部图片。当我们按下键盘上的 "q" 键时，窗口关闭并退出程序。

示例1：捕获摄像头视频并保存检测到的面部

我们可以使用以下代码捕获摄像头视频并保存检测到的面部。

import cv2
import dlib
import os
import numpy as np


def main():
    detector = dlib.get_frontal_face_detector()
    predictor = dlib.shape_predictor('shape_predictor_68_face_landmarks.dat')

    cap = cv2.VideoCapture(0)

    os.makedirs('imgs', exist_ok=True)

    while True:
        _, frame = cap.read()

        gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
        faces = detector(gray)

        for face in faces:
            landmarks = predictor(gray, face)
            landmarks_points = []

            for i in range(68):
                x = landmarks.part(i).x
                y = landmarks.part(i).y
                landmarks_points.append((x, y))

            landmarks_points = np.array(landmarks_points, np.int32)
            convexhull = cv2.convexHull(landmarks_points)
            cv2.drawContours(frame, [convexhull], -1, (0, 255, 0), 3)

            for point in landmarks_points:
                cv2.circle(frame, (point[0], point[1]), 2, (0, 0, 255), -1)

        cv2.imshow("Face collector", frame)

        if cv2.waitKey(1) & 0xFF == ord('q'):
            break

        os.makedirs('imgs', exist_ok=True)
        file_name = os.path.join('imgs', 'img_{}.jpg'.format(str(time.time()).replace('.', '')))

        cv2.imwrite(file_name, frame)

    cap.release()
    cv2.destroyAllWindows()


if __name__ == '__main__':
    main()

我们可以调用main()函数开始捕获摄像头视频并保存检测到的面部。

示例2：读取本地图片并保存检测到的面部

我们可以使用以下代码来读取本地图片并保存检测到的面部。

import cv2
import dlib
import numpy as np
import os

def main():
    os.makedirs('imgs', exist_ok=True)

    image = cv2.imread("test.jpg")

    detector = dlib.get_frontal_face_detector()
    predictor = dlib.shape_predictor('shape_predictor_68_face_landmarks.dat')

    gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
    faces = detector(gray)

    for face in faces:
        landmarks = predictor(gray, face)
        landmarks_points = []

        for i in range(68):
            x = landmarks.part(i).x
            y = landmarks.part(i).y
            landmarks_points.append((x, y))

        landmarks_points = np.array(landmarks_points, np.int32)
        convexhull = cv2.convexHull(landmarks_points)
        cv2.drawContours(image, [convexhull], -1, (0, 255, 0), 3)

        for point in landmarks_points:
            cv2.circle(image, (point[0], point[1]), 2, (0, 0, 255), -1)

    cv2.imshow("Face collector", image)
    cv2.waitKey(0)

    os.makedirs('imgs', exist_ok=True)
    file_name = os.path.join('imgs', 'img_{}.jpg'.format(str(time.time()).replace('.', '')))

    cv2.imwrite(file_name, image)

    cv2.destroyAllWindows()


if __name__ == '__main__':
    main()

我们可以调用main()函数来读取本地图片并保存检测到的面部。

本站文章如无特殊说明，均为本站原创，如若转载，请注明出处：超详细注释之OpenCV dlib实现人脸采集 - Python技术站

超详细注释之OpenCV dlib实现人脸采集