人臉檢測(cè)——生成矯正人臉——cascade cnn的思想, 但是mtcnn的效果貌似更贊

簡單粗暴笆怠,不多說,直接代碼吧:(這個(gè)代碼實(shí)在上篇博客的基礎(chǔ)上:人臉檢測(cè)——AFLW準(zhǔn)備人臉
先要生成AFLW_ann.txt誊爹。

import os  
from PIL import Image  
from PIL import ImageFile  
ImageFile.LOAD_TRUNCATED_IMAGES = True  
import cv2  
import numpy as np  
  
  
def crop_for_cal(sn, xn, yn, n):  
  
    with open('AFLW_ann.txt','r') as f:  
        lines = f.readlines()  
  
    save_dir1 = 'data_prepare/cal_positive_'+str(n)+'_12'  
    save_dir2 = 'data_prepare/cal_positive_'+str(n)+'_24'  
    save_dir3 = 'data_prepare/cal_positive_'+str(n)+'_48'  
  
    if os.path.exists(save_dir1)==False:  
        os.makedirs(save_dir1)  
    if os.path.exists(save_dir2)==False:  
        os.makedirs(save_dir2)  
    if os.path.exists(save_dir3)==False:  
        os.makedirs(save_dir3)  
  
    for idx, line in enumerate(lines):  
        spl1 = line.strip().split(' ')  
        image_path = spl1[0]  
        x = int(spl1[1])  
        y = int(spl1[2])  
        w = int(spl1[3])  
        h = int(spl1[4])  
  
        x = int(x-xn*w/sn)  
        y = int(y-yn*h/sn)  
        w = int(w/sn)  
        h = int(h/sn)  
  
        # image = Image.open(image_path)  
  
          
        image = cv2.imread(image_path)  
        if image is None:  
            continue  
        if x<=0 and y<=0 and w<=0 and h<=0:  
            continue  
        box = (x, y, x+w, y+h)  
      
        # patch = image.crop(box)  
        patch = image[box[1]:box[3], box[0]:box[2], :]  
        if patch is None:  
            continue  
        if patch.shape[0]<10 and patch.shape[1]<10:  
            continue  
  
        #patch1 = patch.resize((12, 12))  
        #patch2 = patch.resize((24, 24))  
        #patch3 = patch.resize((48, 48))  
        patch1 = cv2.resize(patch, (12, 12))    
        patch2 = cv2.resize(patch, (24, 24))    
        patch3 = cv2.resize(patch, (48, 48))    
          
  
        spl2 = image_path.split('/')  
        image_name = spl2[-1]  
  
        save_path1 = save_dir1+'/'+str(idx)+image_name + '.jpg'  
        save_path2 = save_dir2+'/'+str(idx)+image_name + '.jpg'  
        save_path3 = save_dir3+'/'+str(idx)+image_name + '.jpg'  
  
        #patch1.save(save_path1, 'jpeg')  
        #patch2.save(save_path2, 'jpeg')  
        #patch3.save(save_path3, 'jpeg')  
        cv2.imwrite(save_path1, np.array(patch1))  
        cv2.imwrite(save_path2, np.array(patch2))  
        cv2.imwrite(save_path3, np.array(patch3))  
  
  
if __name__ == '__main__':  
      
    s_set = (0.83, 0.91, 1.0, 1.10, 1.21)  
    x_set = (-0.17, 0, 0.17)  
    y_set = (-0.17, 0, 0.17)  
    n = 0  
    for x in x_set:  
        for y in y_set:  
            for s in s_set:  
                n = n + 1  
                crop_for_cal(s, x, y, n)  
最后編輯于
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請(qǐng)聯(lián)系作者
  • 序言:七十年代末蹬刷,一起剝皮案震驚了整個(gè)濱河市,隨后出現(xiàn)的幾起案子频丘,更是在濱河造成了極大的恐慌办成,老刑警劉巖,帶你破解...
    沈念sama閱讀 206,311評(píng)論 6 481
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件搂漠,死亡現(xiàn)場離奇詭異迂卢,居然都是意外死亡,警方通過查閱死者的電腦和手機(jī)桐汤,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 88,339評(píng)論 2 382
  • 文/潘曉璐 我一進(jìn)店門而克,熙熙樓的掌柜王于貴愁眉苦臉地迎上來,“玉大人怔毛,你說我怎么就攤上這事员萍。” “怎么了拣度?”我有些...
    開封第一講書人閱讀 152,671評(píng)論 0 342
  • 文/不壞的土叔 我叫張陵碎绎,是天一觀的道長螃壤。 經(jīng)常有香客問我,道長筋帖,這世上最難降的妖魔是什么奸晴? 我笑而不...
    開封第一講書人閱讀 55,252評(píng)論 1 279
  • 正文 為了忘掉前任,我火速辦了婚禮日麸,結(jié)果婚禮上蚁滋,老公的妹妹穿的比我還像新娘。我一直安慰自己赘淮,他們只是感情好辕录,可當(dāng)我...
    茶點(diǎn)故事閱讀 64,253評(píng)論 5 371
  • 文/花漫 我一把揭開白布。 她就那樣靜靜地躺著梢卸,像睡著了一般走诞。 火紅的嫁衣襯著肌膚如雪。 梳的紋絲不亂的頭發(fā)上蛤高,一...
    開封第一講書人閱讀 49,031評(píng)論 1 285
  • 那天蚣旱,我揣著相機(jī)與錄音,去河邊找鬼戴陡。 笑死塞绿,一個(gè)胖子當(dāng)著我的面吹牛,可吹牛的內(nèi)容都是我干的恤批。 我是一名探鬼主播异吻,決...
    沈念sama閱讀 38,340評(píng)論 3 399
  • 文/蒼蘭香墨 我猛地睜開眼,長吁一口氣:“原來是場噩夢(mèng)啊……” “哼喜庞!你這毒婦竟也來了诀浪?” 一聲冷哼從身側(cè)響起,我...
    開封第一講書人閱讀 36,973評(píng)論 0 259
  • 序言:老撾萬榮一對(duì)情侶失蹤延都,失蹤者是張志新(化名)和其女友劉穎雷猪,沒想到半個(gè)月后,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體晰房,經(jīng)...
    沈念sama閱讀 43,466評(píng)論 1 300
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡求摇,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點(diǎn)故事閱讀 35,937評(píng)論 2 323
  • 正文 我和宋清朗相戀三年,在試婚紗的時(shí)候發(fā)現(xiàn)自己被綠了殊者。 大學(xué)時(shí)的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片与境。...
    茶點(diǎn)故事閱讀 38,039評(píng)論 1 333
  • 序言:一個(gè)原本活蹦亂跳的男人離奇死亡,死狀恐怖幽污,靈堂內(nèi)的尸體忽然破棺而出嚷辅,到底是詐尸還是另有隱情,我是刑警寧澤距误,帶...
    沈念sama閱讀 33,701評(píng)論 4 323
  • 正文 年R本政府宣布簸搞,位于F島的核電站扁位,受9級(jí)特大地震影響,放射性物質(zhì)發(fā)生泄漏趁俊。R本人自食惡果不足惜域仇,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 39,254評(píng)論 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一處隱蔽的房頂上張望寺擂。 院中可真熱鬧暇务,春花似錦、人聲如沸怔软。這莊子的主人今日做“春日...
    開封第一講書人閱讀 30,259評(píng)論 0 19
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽挡逼。三九已至括改,卻和暖如春,著一層夾襖步出監(jiān)牢的瞬間家坎,已是汗流浹背嘱能。 一陣腳步聲響...
    開封第一講書人閱讀 31,485評(píng)論 1 262
  • 我被黑心中介騙來泰國打工, 沒想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留虱疏,地道東北人惹骂。 一個(gè)月前我還...
    沈念sama閱讀 45,497評(píng)論 2 354
  • 正文 我出身青樓,卻偏偏與公主長得像做瞪,于是被迫代替她去往敵國和親对粪。 傳聞我的和親對(duì)象是個(gè)殘疾皇子,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 42,786評(píng)論 2 345

推薦閱讀更多精彩內(nèi)容

  • Android 自定義View的各種姿勢(shì)1 Activity的顯示之ViewRootImpl詳解 Activity...
    passiontim閱讀 171,504評(píng)論 25 707
  • 今天開始新的騎行旅程穿扳,休整了兩天半衩侥,身體和體力都恢復(fù)的很好。 早起吃早飯矛物,除了米粥和煮雞蛋實(shí)在沒有想吃的,無奈跪但,買...
    史大猩閱讀 176評(píng)論 0 0
  • 跟同學(xué)聊天履羞,她忽然問我要不要二胎。她非常想非常想屡久,很急切地要為孩子添個(gè)伴忆首。我淡然地說到要二胎的理由還沒有說服我的。...
    江南玉笛閱讀 278評(píng)論 7 4
  • MLeaksFinder是一個(gè)很好的IOS內(nèi)存泄漏檢測(cè)工具被环,能夠自動(dòng)地檢測(cè)UIViewController和UIV...
    tom510230閱讀 9,782評(píng)論 14 16