寫在前面的話
基于dlib庫的模型，實現人臉識別和焦點人物的檢測。最后呈現的效果為焦點人物的識別框顏色與其他人物框不一樣。
準備工作
需要安裝好python環境，安裝好dlib、opencv-python庫等，具體可以看報錯信息（可以使用PyCharm來運行和編輯py文件），然后把需要的庫補全，文章最后會有完整代碼，但是需要與shape_predictor_68_face_landmarks.dat模型文件同處一個路徑下，然后啟用。(百度可以下載到)
設計過程
- 因為是在自己電腦完成的必做題設計，所以前期還經歷了相應的Python安裝與環境配置，相應的資源庫安裝，例如dlib、opencv-python等等。
- 然后運行綜合了（68個人臉特征點檢測模型完成靜止圖像的人臉檢測與標注）和（完成實時攝制視頻的人臉檢測與定位）的參考文件opencv_webcam_face_detection.py，發現可以實現實時視頻的人臉檢測。
- 對參考文件的代碼進行分析，理解每一句代碼的意思。對比查找設計需要的功能模塊，實現1280x720視頻輸出，實現類win10相機的焦點人物識別。
- 上網查找并學習相應資料，參考win10相機的算法，創建自己的基于距離與面積的焦點人物算法，根據自己的需要對源代碼進行添加及修改。
- 最后對代碼進行測試，且不斷修改成最適合的版本。
Python程序
流程圖
焦點人物算法
內在邏輯：模仿win10相機，當有多于1個人時，優先選擇最居中的為焦點人物，但若在其他地方的人臉面積大于4倍中心的人臉面積，則選擇其他地方的作為焦點人物。
實際代碼
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
|
import dlibimport cv2import math# 攝像頭參數設置cam = cv2.VideoCapture(0) # 參數0，調用計算機的攝像頭cam.set(3, 1280) # 參數3，設定寬度分辨為1280cam.set(4, 720) # 參數4，設定高度分辨為720# 設定人臉框的邊框顏色及寬度，便于分辨焦點人物color_focus = (255, 0, 255) # 設定焦點人臉框的顏色，紫紅色color_other = (255, 255, 255) # 設定其余人臉框的顏色，白色lineWidth_focus = 2 # 設定焦點人臉框的寬度lineWidth_other = 1 # 設定其他人臉框的寬度# 設定計算的一些參數w = cam.get(3) / 2 # 設定屏幕中心的橫坐標Xh = cam.get(4) / 2 # 設定屏幕中心的縱坐標Yd_center = 10000 # 預設人臉框到屏幕中心的距離index_center = 0 # 預設距離優先時的人臉框序號index_area = 0 # 預設面積優先時的人臉框序號area_center = -1 # 預設距離中心最近人臉框的面積area = -1 # # 預設人臉框面積最大時的面積detector = dlib.get_frontal_face_detector() # 加載這個庫自帶的人臉檢測器predictor_path = "shape_predictor_68_face_landmarks.dat" # 設置人臉預測模型的路徑位置predictor = dlib.shape_predictor(predictor_path) # 人臉預測實例化while True: # 當獲取到視頻輸入時 ret_val, img = cam.read() # 讀取視頻每一幀，顏色格式為BGR格式， rgb_image = cv2.cvtColor(img, cv2.COLOR_BGR2RGB) # 顏色BGR格式轉為RGB格式 faces = detector(rgb_image) # 返回RGB格式人臉捕捉框 # 邏輯算法：當有多于1個人時，優先選擇最居中的為焦點人物，但若其他地方的人臉面積大于4倍中心的人臉面積，則選擇該為焦點人物。 # 這個for循環先求出距離屏幕中心最近時的人臉框的序號和距離優先面積 for i, det in enumerate(faces): # 遍歷所有人臉框，i是人臉框序號，det是每個人臉框 d = math.sqrt((w-(det.left()+(det.right()-det.left())/2))**2+(h-(det.top()+(det.bottom()-det.top())/2))**2) # 計算該人臉框到屏幕中心的距離 if d < d_center: # 對比剛計算出的距離與設定的最近距離，達成選擇更小 index_center = i # 更新距離最近時的人臉框序號 d_center = d # 更新最近距離 area_center = abs((det.right() - det.left()) * (det.bottom() - det.top())) # 算出該人臉框的面積（距離更近優先） # 這個for循環求出面積最大的人臉框的序號和面積優先面積 for i, det in enumerate(faces): # 遍歷所有人臉框，i是人臉框序號，det是每個人臉框 if abs((det.right() - det.left()) * (det.bottom() - det.top())) > area: # 對比該人臉面積與設定的最大面積，實現選擇更大 index_area = i # 更新面積更大時的人臉框序號 area = abs((det.right() - det.left()) * (det.bottom() - det.top())) # 算出該人臉框的面積（面積更大優先） if area > 5*area_center: # 判斷依據，若面積優先面積大于距離優先面積的5倍，就實現面積優先選擇焦點人物，否則就距離優先。 index_center = index_area # 面積優先時，使用面積最大的人臉框序號 for i, det in enumerate(faces): # 遍歷所有人臉框 if i == index_center: # 確定焦點人臉框的序號 print(d_center, i) # 輸出焦點人物的距離中心位置，方便調試 cv2.rectangle(img, (det.left(), det.top()), (det.right(), det.bottom()), color_focus, lineWidth_focus) # 繪出焦點人臉框 shape = predictor(img, det) # 從預測模型處，得到68個人物特征點 for p in shape.parts(): # 遍歷68個人物特征點 cv2.circle(img, (p.x, p.y), 2, (124, 252, 0), -1) # 設定焦點人物的68個點的形狀顏色，茶綠色、實心 else: cv2.rectangle(img, (det.left(), det.top()), (det.right(), det.bottom()), color_other, lineWidth_other) # 繪出其他人臉框 shape = predictor(img, det) # 從預測模型處，得到68個人物特征點 for p in shape.parts(): # 遍歷68個人物特征點 cv2.circle(img, (p.x, p.y), 2, (255, 255, 255), -1) # 設定其他人物的68個點的形狀顏色，白色、實心 cv2.imshow('my webcam', img) # 輸出繪好框后的幀動畫 if cv2.waitKey(1) == 27: # 設置一個滯留時間，等待用戶觸發事件，若用戶按下 ESC(ASCII碼為27)，則執行 if 體 break # （if主體）退出cv2.destroyAllWindows() # 銷毀所有輸出圖像窗 |
運行情況
為了容易分辨焦點人物與其他人物，首先將焦點人物框的寬度設為2，顏色設為紫紅色，68個識別點設為茶綠色；其他人物框的寬度設為1，顏色設為白色，68個識別點設為白色。
然后進行多次測試，通過整理測試結果，發現算法沒有錯誤，焦點人物按照距離和面積兩個因素來決定。成功運行圖如下：
不展示圖了，但是主人物為紫紅框，其他人物為白色圈。與預期一致。
到此這篇關于基于Python的人臉識別和焦點人物檢測的文章就介紹到這了,更多相關Python人臉識別和焦點人物檢測內容請搜索服務器之家以前的文章或繼續瀏覽下面的相關文章希望大家以后多多支持服務器之家！
原文鏈接：https://blog.csdn.net/m0_46140457/article/details/120791266
