Python 3 利用 Dlib 19.7 实现人脸识别和剪切

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

1 import dlib         # 人脸识别的库dlib
2 import numpy as np  # 数据处理的库numpy
3 import 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

　　　　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：

1 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：

1     for i in range(height):
2         for j in range(width):
3                 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dlib
import numpy as np # 数据处理的库numpy
import 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 = 0
width_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 = height
else:
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, width_sum, 3), 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_blank
for 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 += width

cv2.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