現在的人臉識別技術已經得到了非常廣泛的應用，支付領域、身份驗證、美顏相機里都有它的應用。用iPhone的同學們應該對下面的功能比較熟悉
iPhone的照片中有一個“人物”的功能，能夠將照片里的人臉識別出來并分類，背后的原理也是人臉識別技術。
這篇文章主要介紹怎樣用Python實現人臉檢測。人臉檢測是人臉識別的基礎。人臉檢測的目的是識別出照片里的人臉并定位面部特征點，人臉識別是在人臉檢測的基礎上進一步告訴你這個人是誰。
好了，介紹就到這里。接下來，開始準備我們的環境。
準備工作
本文的人臉檢測基于dlib，dlib依賴Boost和cmake，所以首先需要安裝這些包，以Ubuntu為例：
|
1
2
3
|
$ sudo apt-get install build-essential cmake $ sudo apt-get install libgtk-3-dev $ sudo apt-get install libboost-all-dev |
我們的程序中還用到numpy，opencv，所以也需要安裝這些庫：
|
1
2
3
4
|
$ pip install numpy $ pip install scipy $ pip install opencv-python $ pip install dlib |
人臉檢測基于事先訓練好的模型數據，從這里可以下到模型數據
http://dlib.net/files/shape_predictor_68_face_landmarks.dat.bz2
下載到本地路徑后解壓，記下解壓后的文件路徑，程序中會用到。
dlib的人臉特征點
上面下載的模型數據是用來估計人臉上68個特征點(x, y)的坐標位置，這68個坐標點的位置如下圖所示
我們的程序將包含兩個步驟：
第一步，在照片中檢測人臉的區域
第二部，在檢測到的人臉區域中，進一步檢測器官（眼睛、鼻子、嘴巴、下巴、眉毛）
人臉檢測代碼
我們先來定義幾個工具函數：
|
1
2
3
4
5
6
|
def rect_to_bb(rect): x = rect.left() y = rect.top() w = rect.right() - x h = rect.bottom() - y return (x, y, w, h) |
這個函數里的rect是dlib臉部區域檢測的輸出。這里將rect轉換成一個序列，序列的內容是矩形區域的邊界信息。
|
1
2
3
4
5
|
def shape_to_np(shape, dtype="int"): coords = np.zeros((68, 2), dtype=dtype) for i in range(0, 68): coords[i] = (shape.part(i).x, shape.part(i).y) return coords |
這個函數里的shape是dlib臉部特征檢測的輸出，一個shape里包含了前面說到的臉部特征的68個點。這個函數將shape轉換成Numpy array，為方便后續處理。
|
1
2
3
4
5
|
def resize(image, width=1200): r = width * 1.0 / image.shape[1] dim = (width, int(image.shape[0] * r)) resized = cv2.resize(image, dim, interpolation=cv2.INTER_AREA) return resized |
這個函數里的image就是我們要檢測的圖片。在人臉檢測程序的最后，我們會顯示檢測的結果圖片來驗證，這里做resize是為了避免圖片過大，超出屏幕范圍。
接下來，開始我們的主程序部分
|
1
2
3
4
5
6
7
8
|
import sys import numpy as np import dlib import cv2 if len(sys.argv) < 2: print "Usage: %s <image file>" % sys.argv[0] sys.exit(1) image_file = sys.argv[1] detector = dlib.get_frontal_face_detector() predictor = dlib.shape_predictor("shape_predictor_68_face_landmarks.dat") |
我們從sys.argv[1]參數中讀取要檢測人臉的圖片，接下來初始化人臉區域檢測的detector和人臉特征檢測的predictor。shape_predictor中的參數就是我們之前解壓后的文件的路徑。
|
1
2
3
4
|
image = cv2.imread(image_file) image = resize(image, width=1200) gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY) rects = detector(gray, 1) |
在檢測特征區域前，我們先要檢測人臉區域。這段代碼調用opencv加載圖片，resize到合適的大小，轉成灰度圖，最后用detector檢測臉部區域。因為一張照片可能包含多張臉，所以這里得到的是一個包含多張臉的信息的數組rects。
|
1
2
3
4
5
6
7
8
9
10
|
for (i, rect) in enumerate(rects): shape = predictor(gray, rect) shape = shape_to_np(shape) (x, y, w, h) = rect_to_bb(rect) cv2.rectangle(image, (x, y), (x + w, y + h), (0, 255, 0), 2) cv2.putText(image, "Face #{}".format(i + 1), (x - 10, y - 10), cv2.FONT_HERSHEY_SIMPLEX, 0.5, (0, 255, 0), 2) for (x, y) in shape: cv2.circle(image, (x, y), 2, (0, 0, 255), -1) cv2.imshow("Output", image) cv2.waitKey(0) |
對于每一張檢測到的臉，我們進一步檢測臉部的特征（鼻子、眼睛、眉毛等）。對于臉部區域，我們用綠色的框在照片上標出；對于臉部特征，我們用紅色的點標出來。
最后我們把加了檢測標識的照片顯示出來，waitKey(0)表示按任意鍵可退出程序。
以上是我們程序的全部
測試
接下來是令人興奮的時刻，檢驗我們結果的時刻到來了。
下面是原圖
下面是程序識別的結果
可以看到臉部區域被綠色的長方形框起來了，臉上的特征（鼻子，眼睛等）被紅色點點標識出來了。
總結
以上所述是小編給大家介紹的50行Python代碼實現人臉檢測功能，希望對大家有所幫助，如果大家有任何疑問請給我留言，小編會及時回復大家的。在此也非常感謝大家對服務器之家網站的支持！
原文鏈接：http://developer.51cto.com/art/201801/564529.htm
