如今活逆，“刷臉”已經(jīng)成為人們生活中的日常，刷臉支付拗胜、人臉解鎖蔗候、門禁等，都運(yùn)用了人臉識(shí)別技術(shù)埂软。人臉識(shí)別技術(shù)已廣泛應(yīng)用于金融锈遥、司法、公安勘畔、教育所灸、醫(yī)療等諸多領(lǐng)域，同時(shí)也涌現(xiàn)出如：曠視科技炫七、商湯科技等一批優(yōu)秀的企業(yè)爬立。
人臉識(shí)別算法主要分為三個(gè)流程：
- 人臉檢測(cè)（Face Detection）
- 人臉對(duì)齊（Face Alignment）
- 人臉特征表征（Feature Representation）
本文我們主要針對(duì)人臉檢測(cè)這一部分，利用OpenCV和face_recognition庫(kù)分別實(shí)現(xiàn)圖片中的人臉檢測(cè)万哪。
開發(fā)環(huán)境
- Windows 10(x64)
- OpenCV 4.1.0.25
- face_recognition 1.2.3
使用OpenCV進(jìn)行人臉檢測(cè)
OpenCV實(shí)現(xiàn)人臉檢測(cè)的主要思路為：
- 將圖片轉(zhuǎn)換成灰度圖（降為一維的灰度侠驯，減低計(jì)算強(qiáng)度）
- 使用訓(xùn)練分類器查找人臉
- 圖片上畫矩形
圖片轉(zhuǎn)為灰度圖
使用OpenCV的cvtColor()方法轉(zhuǎn)換圖片顏色
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
使用訓(xùn)練分類器查找人臉
在使用OpenCV的人臉檢測(cè)之前抡秆，需要一個(gè)人臉訓(xùn)練模型，格式為xml吟策。
我們這里使用OpenCV提供好的人臉分類模型xml琅轧，下載地址如下：
https://github.com/opencv/opencv/tree/master/data/haarcascades
圖片上畫矩形
使用OpenCV的rectangle()繪制矩形
檢測(cè)結(jié)果
完整代碼
# 使用OpenCV進(jìn)行人臉檢測(cè)
import cv2
from matplotlib import pyplot as plt
imagePath = './test_face_detection.jpg'
# 引入OpenCV提供的人臉分類模型xml
cascPath = './haarcascade_frontalface_default.xml'
# Create the haar cascade
faceCascade = cv2.CascadeClassifier(cascPath)
# 讀取圖像并轉(zhuǎn)為灰度圖
image = cv2.imread(imagePath)
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
# 檢測(cè)圖片中的人臉
faces = faceCascade.detectMultiScale(
gray,
scaleFactor=1.1,
minNeighbors=4,
minSize=(30, 30)
)
color = (0, 255, 0)
# 用矩形框?qū)⑷四樋虺鰜?lái)
for (x, y, w, h) in faces:
cv2.rectangle(image, (x, y), (x+w, y+h), color, 2)
plt.title("Found {0} faces!".format(len(faces)))
plt.axis("off")
plt.imshow(cv2.cvtColor(image, cv2.COLOR_BGR2RGB))
plt.show()
參數(shù)說(shuō)明
- gray：轉(zhuǎn)換的灰度圖
- scaleFactor：圖像縮放比例，可理解為相機(jī)的x倍鏡
- minNeighbors：對(duì)特征檢測(cè)點(diǎn)周邊多少有效點(diǎn)同時(shí)檢測(cè)踊挠，這樣可避免因選取的特征檢測(cè)點(diǎn)太小而導(dǎo)致遺漏
- minSize：特征檢測(cè)點(diǎn)的最小尺寸
使用face_recognition庫(kù)進(jìn)行人臉檢測(cè)
face_recognition庫(kù)是使用Dlib最先進(jìn)的面部識(shí)別功能構(gòu)建而成，具有深度學(xué)習(xí)功能冲杀。該模型在LFW上的準(zhǔn)確率為99.38%效床。
檢測(cè)結(jié)果
從上面的結(jié)果來(lái)看，face_recognition庫(kù)的檢測(cè)準(zhǔn)確率比OpenCV的高权谁。
完整代碼
# 使用face_recognition庫(kù)進(jìn)行人臉檢測(cè)
import face_recognition
import cv2
from matplotlib import pyplot as plt
imagePath = './test_face_detection.jpg'
# 使用face_recognition加載圖片,并檢測(cè)人臉
image = face_recognition.load_image_file(imagePath)
#檢測(cè)圖片中所有人臉
face_locations = face_recognition.face_locations(image)
# 用矩形框框出檢測(cè)到的人臉
for (top, right, bottom, left) in face_locations:
cv2.rectangle(image, (left, top), (right, bottom), (0, 255, 0), 2)
plt.title("Found {0} faces!".format(len(face_locations)))
plt.axis("off")
plt.imshow(cv2.cvtColor(image, cv2.COLOR_BGR2RGB))
plt.show()
識(shí)別人臉關(guān)鍵點(diǎn)
調(diào)用face_recognition.face_landmarks()方法即可得到人臉特征點(diǎn), 返回一個(gè)字典, 下圖是返回的數(shù)據(jù), 包括chin(下巴), left_eye(左眼)等剩檀。
{'chin': [(184, 182), (187, 198), (191, 213), (196, 229), (202, 243), (211, 256), (223, 266), (236, 275), (251, 277), (267, 273), (281, 263), (295, 251), (304, 236), (308, 219), (309, 201), (311, 184), (311, 167)], 'left_eyebrow': [(192, 170), (199, 163), (210, 162), (220, 163), (231, 166)], 'right_eyebrow': [(246, 163), (258, 158), (269, 155), (281, 155), (291, 160)], 'nose_bridge': [(240, 177), (240, 187), (240, 197), (241, 208)], 'nose_tip': [(233, 217), (238, 218), (243, 219), (248, 217), (254, 215)], 'left_eye': [(205, 181), (211, 177), (219, 177), (226, 180), (219, 183), (211, 183)], 'right_eye': [(258, 177), (264, 172), (272, 172), (279, 174), (273, 178), (265, 178)], 'top_lip': [(228, 242), (234, 236), (240, 231), (245, 232), (250, 230), (258, 233), (267, 238), (263, 238), (251, 237), (246, 238), (241, 238), (232, 242)], 'bottom_lip': [(267, 238), (259, 243), (252, 247), (247, 248), (241, 248), (235, 246), (228, 242), (232, 242), (241, 239), (246, 239), (251, 238), (263, 238)]}
人臉關(guān)鍵點(diǎn)檢測(cè)結(jié)果
完整代碼
# 調(diào)用face_recognition.face_landmarks()方法得到人臉特征點(diǎn)
import face_recognition
import cv2
from matplotlib import pyplot as plt
imagePath = './test_face_landmarks.jpg'
image = face_recognition.load_image_file(imagePath)
face_landmarks_list = face_recognition.face_landmarks(image)
for each in face_landmarks_list:
for i in each.keys():
for any in each[i]:
image = cv2.circle(image, any, 2, (0, 255, 0), 1)
plt.title("Face landmarks")
plt.axis("off")
plt.imshow(cv2.cvtColor(image, cv2.COLOR_BGR2RGB))
plt.show()
本文只是使用OpenCV和face_recognition庫(kù)進(jìn)行實(shí)現(xiàn)簡(jiǎn)單的人臉檢測(cè)，基于此我們還可以進(jìn)行許多好玩的事情旺芽，比如：臉部輪廓繪制沪猴、數(shù)字化妝、頭像特效合成等等采章。
上述人臉檢測(cè)demo的github地址：
https://github.com/Hanpeng-Chen/tensorflow-learning/tree/master/face_detection
