Python3利用Dlib实现摄像头实时人脸检测和平铺显示示例

1.引言在某些场景下，我们不仅需要进行实时人脸检测追踪，还要进行再加工；这里进行摄

1. 引言

在某些场景下，我们不仅需要进行实时人脸检测追踪，还要进行再加工；这里进行摄像头实时人脸检测，并对于实时检测的人脸进行初步提取；

单个/多个人脸检测，并依次在摄像头窗口，实时平铺显示检测到的人脸；

检测到的人脸矩形图像，会依次平铺显示在摄像头的左上方；

当多个人脸时候，也能够依次铺开显示；

左上角窗口的大小会根据捕获到的人脸大小实时变化；

2. 代码实现

主要分为三个部分：

摄像头调用，利用 OpenCv 里面的cv2.VideoCapture();

人脸检测，这里利用开源的 Dlib 框架，Dlib 中人脸检测具体可以参考Python 3 利用 Dlib 19.7 进行人脸检测；

图像填充，剪切部分可以参考Python 3 利用 Dlib 实现人脸检测和剪切；

2.1 摄像头调用

Python 中利用 OpenCv 调用摄像头的一个例子how_to_use_camera.py:

# OpenCv 调用摄像头
# 默认调用笔记本摄像头

# Author: coneypo
# Blog: http://www.cnblogs.com/AdaminXie
# GitHub: https://github.com/coneypo/Dlib_face_cut
# Mail: coneypo@foxmail.com

import cv2

cap = cv2.VideoCapture(0)

# cap.set(propId, value)
# 设置视频参数: propId - 设置的视频参数, value - 设置的参数值
cap.set(3, 480)

# cap.isOpened() 返回 true/false, 检查摄像头初始化是否成功
print(cap.isOpened())

# cap.read()
""" 
返回两个值
 先返回一个布尔值, 如果视频读取正确, 则为 True, 如果错误, 则为 False; 
 也可用来判断是否到视频末尾;
 
 再返回一个值, 为每一帧的图像, 该值是一个三维矩阵;
 
 通用接收方法为: 
 ret,frame = cap.read();
 ret: 布尔值;
 frame: 图像的三维矩阵;
 这样 ret 存储布尔值, frame 存储图像;
 
 若使用一个变量来接收两个值, 如:
 frame = cap.read()
 则 frame 为一个元组, 原来使用 frame 处需更改为 frame[1]
"""

while cap.isOpened():
 ret_flag, img_camera = cap.read()
 cv2.imshow("camera", img_camera)

 # 每帧数据延时 1ms, 延时为0, 读取的是静态帧
 k = cv2.waitKey(1)

 # 按下 's' 保存截图
 if k == ord('s'):
 cv2.imwrite("test.jpg", img_camera)

 # 按下 'q' 退出
 if k == ord('q'):
 break

# 释放所有摄像头
cap.release()

# 删除建立的所有窗口
cv2.destroyAllWindows()

2.2 人脸检测

利用 Dlib 正向人脸检测器，dlib.get_frontal_face_detector()；

对于本地人脸图像文件，一个利用 Dlib 进行人脸检测的例子:

face_detector_v2_use_opencv.py:

# created at 2017-11-27
# updated at 2018-09-06

# Author: coneypo
# Dlib: http://dlib.net/
# Blog: http://www.cnblogs.com/AdaminXie/
# Github: https://github.com/coneypo/Dlib_examples

# create object of OpenCv
# use OpenCv to read and show images

import dlib
import cv2

# 使用 Dlib 的正面人脸检测器 frontal_face_detector
detector = dlib.get_frontal_face_detector()

# 图片所在路径
# read image
img = cv2.imread("imgs/faces_2.jpeg")

# 使用 detector 检测器来检测图像中的人脸
# use detector of Dlib to detector faces
faces = detector(img, 1)
print("人脸数 / Faces in all: ", len(faces))

# Traversal every face
for i, d in enumerate(faces):
 print("第", i+1, "个人脸的矩形框坐标：",
 "left:", d.left(), "right:", d.right(), "top:", d.top(), "bottom:", d.bottom())
 cv2.rectangle(img, tuple([d.left(), d.top()]), tuple([d.right(), d.bottom()]), (0, 255, 255), 2)

cv2.namedWindow("img", 2)
cv2.imshow("img", img)
cv2.waitKey(0)

2.3 图像裁剪

如果想访问图像的某点像素，对于 opencv 对象可以利用索引 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）;

所以要做的就是对于检测到的人脸，要依次平铺填充到摄像头显示的实时帧 img_rd 中；

所以进行图像裁剪填充这块的代码如下（注意要防止截切平铺的图像不能超出 640x480 ）:

# 检测到人脸
if len(faces) != 0:
 # 记录每次开始写入人脸像素的宽度位置
 faces_start_width = 0

 for face in faces:
 # 绘制矩形框
 cv2.rectangle(img_rd, tuple([face.left(), face.top()]), tuple([face.right(), face.bottom()]),
 (0, 255, 255), 2)

 height = face.bottom() - face.top()
 width = face.right() - face.left()

 ### 进行人脸裁减 ###
 # 如果没有超出摄像头边界
 if (face.bottom() < 480) and (face.right() < 640) and \
 ((face.top() + height) < 480) and ((face.left() + width) < 640):
 # 填充
 for i in range(height):
 for j in range(width):
 img_rd[i][faces_start_width + j] = \
 img_rd[face.top() + i][face.left() + j]

 # 更新 faces_start_width 的坐标
 faces_start_width += width

记得要更新faces_start_width的坐标，达到依次平铺的效果:

2.4. 完整源码

faces_from_camera.py:

# 调用摄像头实时单个/多个人脸检测，并依次在摄像头窗口，实时平铺显示检测到的人脸；

# Author: coneypo
# Blog: http://www.cnblogs.com/AdaminXie
# GitHub: https://github.com/coneypo/Dlib_face_cut

import dlib
import cv2
import time

# 储存截图的目录
path_screenshots = "data/images/screenshots/"

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

# 创建 cv2 摄像头对象
cap = cv2.VideoCapture(0)

# 设置视频参数，propId 设置的视频参数，value 设置的参数值
cap.set(3, 960)

# 截图 screenshots 的计数器
ss_cnt = 0

while cap.isOpened():
 flag, img_rd = cap.read()

 # 每帧数据延时 1ms，延时为 0 读取的是静态帧
 k = cv2.waitKey(1)

 # 取灰度
 img_gray = cv2.cvtColor(img_rd, cv2.COLOR_RGB2GRAY)

 # 人脸数
 faces = detector(img_gray, 0)

 # 待会要写的字体
 font = cv2.FONT_HERSHEY_SIMPLEX

 # 按下 'q' 键退出
 if k == ord('q'):
 break
 else:
 # 检测到人脸
 if len(faces) != 0:
 # 记录每次开始写入人脸像素的宽度位置
 faces_start_width = 0

 for face in faces:
 # 绘制矩形框
 cv2.rectangle(img_rd, tuple([face.left(), face.top()]), tuple([face.right(), face.bottom()]),
 (0, 255, 255), 2)

 height = face.bottom() - face.top()
 width = face.right() - face.left()

 ### 进行人脸裁减 ###
 # 如果没有超出摄像头边界
 if (face.bottom() < 480) and (face.right() < 640) and \
 ((face.top() + height) < 480) and ((face.left() + width) < 640):
 # 填充
 for i in range(height):
 for j in range(width):
 img_rd[i][faces_start_width + j] = \
 img_rd[face.top() + i][face.left() + j]

 # 更新 faces_start_width 的坐标
 faces_start_width += width

 cv2.putText(img_rd, "Faces in all: " + str(len(faces)), (20, 350), font, 0.8, (0, 0, 0), 1, cv2.LINE_AA)

 else:
 # 没有检测到人脸
 cv2.putText(img_rd, "no face", (20, 350), font, 0.8, (0, 0, 0), 1, cv2.LINE_AA)

 # 添加说明
 img_rd = cv2.putText(img_rd, "Press 'S': Screen shot", (20, 400), font, 0.8, (255, 255, 255), 1, cv2.LINE_AA)
 img_rd = cv2.putText(img_rd, "Press 'Q': Quit", (20, 450), font, 0.8, (255, 255, 255), 1, cv2.LINE_AA)

 # 按下 's' 键保存
 if k == ord('s'):
 ss_cnt += 1
 print(path_screenshots + "screenshot" + "_" + str(ss_cnt) + "_" + time.strftime("%Y-%m-%d-%H-%M-%S",
 time.localtime()) + ".jpg")
 cv2.imwrite(path_screenshots + "screenshot" + "_" + str(ss_cnt) + "_" + time.strftime("%Y-%m-%d-%H-%M-%S",
 time.localtime()) + ".jpg",
 img_rd)

 cv2.namedWindow("camera", 1)
 cv2.imshow("camera", img_rd)

# 释放摄像头
cap.release()

# 删除建立的窗口
cv2.destroyAllWindows()

这个代码就是把之前做的人脸检测，图像拼接几个结合起来，代码量也很少，只有100行，如有问题可以参考之前博客：

Python 3 利用 Dlib 进行人脸检测

Python 3 利用 Dlib 实现人脸检测和剪切

人脸检测对于机器性能占用不高，但是如果要进行实时的图像裁剪拼接，计算量可能比较大，所以可能会出现卡顿；

以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持脚本之家。