Python3结合Dlib实现人脸识别和剪切

概述0.引言利用python开发，借助Dlib库进行人脸识别，然后将检测到的人脸剪切下来，依次排序显示在新的图像上； 0.引言

利用python开发，借助Dlib库进行人脸识别，然后将检测到的人脸剪切下来，依次排序显示在新的图像上；

实现的效果如下图所示，将图1原图中的6张人脸检测出来，然后剪切下来，在图像窗口中依次输出显示人脸；

实现比较简单，代码量也比较少，适合入门或者兴趣学习。

图1 原图和处理后得到的图像窗口

1.开发环境

python:　　3.6.3

dlib:　　　 19.7

OpenCv,numpy

import dlib   # 人脸识别的库dlibimport numpy as np # 数据处理的库numpyimport cv2   # 图像处理的库OpenCv

2.设计流程

工作内容主要以下两大块：dlib人脸检测 和 绘制新图像

2.1 dlib人脸检测：

dlib的使用，在我之前另一篇博客里面介绍过（link: http://www.cnblogs.com/AdaminXie/p/7905888.html）；

2.2 绘制新图像：

2.2.1 确定空白图像尺寸

这部分首先要根据检测到的人脸数和人脸大小，来确定绘制图像所需要的尺寸：　　　　　　

多张人脸要输出到一行，先进行一次人脸的遍历，记每张人脸的尺寸为height*wIDth（高度和宽度说明见图2），

我取的生成图像的尺寸：height_max（最大高度）和wIDth_sum（宽度之和），然后根据尺寸大小来新建空白图像：

img_blank = np.zeros((height_max,wIDth_sum,3),np.uint8)

2.2.2 图像填充

然后再进行一次人脸遍历，这次进行空白图像img_blank进行填充：

for i in range(height):for j in range(wIDth):img_blank[i][blank_start+j] = img[d.top()+i][d.left()+j]

　　

图2 图像尺寸说明

如果想访问图像的某点像素，可以利用img[height][wIDth]：

存储像素其实是一个三维数组，先高度height，然后宽度wIDth;

返回的是一个颜色数组（0-255，0-255，0-255），按照（B,G,R）的顺序，比如 蓝色 就是（255，0，0），红色 是（0，0，255）;

3.源码

# 2018-01-22# By TimeStamp# #cnblogs: http://www.cnblogs.com/AdaminXie/import dlib   # 人脸识别的库dlibimport numpy as np # 数据处理的库numpyimport 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')# 读取图像path = "F:/code/python/***/pic/"img = cv2.imread(path+"test.jpg")#print("img/shape:",img.shape)# dlib检测dets = detector(img,1)print("人脸数：",len(dets))# 记录人脸矩阵大小height_max = 0wIDth_sum = 0# 计算要生成的图像img_blank大小for k,d in enumerate(dets):# 计算矩形大小# (x,y),(宽度wIDth,高度height)pos_start = tuple([d.left(),d.top()])pos_end = tuple([d.right(),d.bottom()])# 计算矩形框大小height = d.bottom()-d.top()wIDth = d.right()-d.left()# 处理宽度wIDth_sum += wIDth# 处理高度if height > height_max:height_max = heightelse:height_max = height_max# 绘制用来显示人脸的图像的大小print("img_blank的大小：")print("高度",height_max,"宽度",wIDth_sum) # 生成用来显示的图像img_blank = np.zeros((height_max,np.uint8)# 记录每次开始写入人脸像素的宽度位置blank_start = 0 # 将人脸填充到img_blankfor k,d in enumerate(dets):height = d.bottom()-d.top()wIDth = d.right()-d.left()# 填充for i in range(height):for j in range(wIDth):img_blank[i][blank_start+j] = img[d.top()+i][d.left()+j]# 调整图像blank_start += wIDthcv2.nameDWindow("img_faces",2)cv2.imshow("img_faces",img_blank)cv2.waitKey(0)

结果：

 

图3 原图和处理后得到的图像窗口

以上就是本次我们介绍的关于python3结合Dlib实现人脸识别和剪切的相关技术内容，大家如果在学习后还有任何不明白的地方可以在下方的留言区讨论。

总结

以上是内存溢出为你收集整理的Python3结合Dlib实现人脸识别和剪切全部内容，希望文章能够帮你解决Python3结合Dlib实现人脸识别和剪切所遇到的程序开发问题。

如果觉得内存溢出网站内容还不错，欢迎将内存溢出网站推荐给程序员好友。