Python3+Dlib实现简单人脸识别案例

写在前边

　　很早很早之前，当我还是一个傻了吧唧的专科生的时候，我就听说过人脸识别，听说过算法，听说过人工智能，并且也出生牛犊不怕虎般的学习过TensorFlow，结果嘞，被虎啃得连渣都不剩！从此再也不敢接触算法和人工智能了、、、

　　但是！BUT！在自己经历的事情多了之后，在受打击到习以为常了之后，在努力半天仍旧一事无成之后，你就会悟出一个道理 —— 老子从未成功过，又怕哪门子失败！

　　所以，对数学一窍不通的我，毅然决然的再次走上了一条不归路 ......

—— 来自一只一事无成的小菜鸡　　　　

项目介绍

　　我想做的是一个类似于人脸识别的东西。看到网上也是有很多的开源库提供使用，为开发提供了很大的方便。我选择目前用的比较多的dlib库进行人脸识别与特征标定。使用python也缩短了开发周期。

　　官网对于dlib的介绍是：Dlib包含广泛的机器学习算法。所有的设计都是高度模块化的，快速执行，并且通过一个干净而现代的C ++ API，使用起来非常简单。它用于各种应用，包括机器人技术，嵌入式设备，手机和大型高性能计算环境。

　　尽管解释都很高大上，但是呢，对于我这种小菜鸡而言，利用他的九牛一毛做一些小的demo也很不错。

开发环境的搭建

因为我的操作系统是Linux的，所以我使用Linux来记录，windows需要安装的东西都是一样的，只不过有个别包安装起来有点麻烦，不过不是问题。

1、安装 Python 。

如果是Linux系统自带Python2和Python3，可以根据自己的需要设置Python默认版本。

2、安装 opencv。

https://www.cnblogs.com/wjw1014/p/10255126.html

3、安装 dlib。

https://www.cnblogs.com/wjw1014/p/10255126.html

4、安装 python-skimage。

https://www.cnblogs.com/wjw1014/p/10287081.html

5、如果想要使用人脸模型特征标定的话，还需要一个人脸面部形状预测器。

这个可以通过自己的照片进行训练，也可以从网上下载一些大神训练好的，点击下载：

http://dlib.net/files/shape_predictor_68_face_landmarks.dat.bz2

实现图片的人脸检测

import cv2

import dlib

from skimage import io

# 使用特征提取器get_frontal_face_detector

detector = dlib.get_frontal_face_detector()

# dlib的68点模型，使用作者训练好的特征预测器

predictor = dlib.shape_predictor("shape_predictor_68_face_landmarks.dat")

# 图片所在路径

img = io.imread("2.jpg")

# 生成dlib的图像窗口

win = dlib.image_window()

win.clear_overlay()

win.set_image(img)

# 特征提取器的实例化

dets = detector(img, 1)

print("人脸数：", len(dets))

for k, d in enumerate(dets):

    print("第", k + 1, "个人脸d的坐标：",

          "left:", d.left(),

          "right:", d.right(),

          "top:", d.top(),

          "bottom:", d.bottom())

    width = d.right() - d.left()

    heigth = d.bottom() - d.top()

    print('人脸面积为：', (width * heigth))

    # 利用预测器预测

    shape = predictor(img, d)

    # 标出68个点的位置

    for i in range(68):

        cv2.circle(img, (shape.part(i).x, shape.part(i).y), 4, (0, 255, 0), -1, 8)

        cv2.putText(img, str(i), (shape.part(i).x, shape.part(i).y), cv2.FONT_HERSHEY_SIMPLEX, 0.5, (255, 255, 255))

    # 显示一下处理的图片，然后销毁窗口

    cv2.imshow('face', img)

    cv2.waitKey(0)

利用摄像头实现人脸识别情绪检测

#!Anaconda/anaconda/python

# coding: utf-8

"""

从视屏中识别人脸，并实时标出面部特征点

"""

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

class face_emotion():

    def __init__(self):

        # 使用特征提取器get_frontal_face_detector

        self.detector = dlib.get_frontal_face_detector()

        # dlib的68点模型，使用作者训练好的特征预测器

        self.predictor = dlib.shape_predictor("shape_predictor_68_face_landmarks.dat")

        # 建cv2摄像头对象，这里使用电脑自带摄像头，如果接了外部摄像头，则自动切换到外部摄像头

        self.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

        self.cap.set(3, 480)

        # 截图screenshoot的计数器

        self.cnt = 0

    def learning_face(self):

        # 眉毛直线拟合数据缓冲

        line_brow_x = []

        line_brow_y = []

        # cap.isOpened（） 返回true/false 检查初始化是否成功

        while (self.cap.isOpened()):

            # cap.read()

            # 返回两个值：

            #    一个布尔值true/false，用来判断读取视频是否成功/是否到视频末尾

            #    图像对象，图像的三维矩阵

            flag, im_rd = self.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(im_rd, cv2.COLOR_RGB2GRAY)

            # 使用人脸检测器检测每一帧图像中的人脸。并返回人脸数rects

            faces = self.detector(img_gray, 0)

            # 待会要显示在屏幕上的字体

            font = cv2.FONT_HERSHEY_SIMPLEX

            # 如果检测到人脸

            if (len(faces) != 0):

                # 对每个人脸都标出68个特征点

                for i in range(len(faces)):

                    # enumerate方法同时返回数据对象的索引和数据，k为索引，d为faces中的对象

                    for k, d in enumerate(faces):

                        # 用红色矩形框出人脸

                        cv2.rectangle(im_rd, (d.left(), d.top()), (d.right(), d.bottom()), (0, 0, 255))

                        # 计算人脸热别框边长

                        self.face_width = d.right() - d.left()

                        # 使用预测器得到68点数据的坐标

                        shape = self.predictor(im_rd, d)

                        # 圆圈显示每个特征点

                        for i in range(68):

                            cv2.circle(im_rd, (shape.part(i).x, shape.part(i).y), 2, (0, 255, 0), -1, 8)

                            # cv2.putText(im_rd, str(i), (shape.part(i).x, shape.part(i).y), cv2.FONT_HERSHEY_SIMPLEX, 0.5,

                            #            (255, 255, 255))

                        # 分析任意n点的位置关系来作为表情识别的依据

                        mouth_width = (shape.part(54).x - shape.part(48).x) / self.face_width  # 嘴巴咧开程度

                        mouth_higth = (shape.part(66).y - shape.part(62).y) / self.face_width  # 嘴巴张开程度

                        # print("嘴巴宽度与识别框宽度之比：",mouth_width_arv)

                        # print("嘴巴高度与识别框高度之比：",mouth_higth_arv)

                        # 通过两个眉毛上的10个特征点，分析挑眉程度和皱眉程度

                        brow_sum = 0  # 高度之和

                        frown_sum = 0  # 两边眉毛距离之和

                        for j in range(17, 21):

                            brow_sum += (shape.part(j).y - d.top()) + (shape.part(j + 5).y - d.top())

                            frown_sum += shape.part(j + 5).x - shape.part(j).x

                            line_brow_x.append(shape.part(j).x)

                            line_brow_y.append(shape.part(j).y)

                        # self.brow_k, self.brow_d = self.fit_slr(line_brow_x, line_brow_y)  # 计算眉毛的倾斜程度

                        tempx = np.array(line_brow_x)

                        tempy = np.array(line_brow_y)

                        z1 = np.polyfit(tempx, tempy, 1)  # 拟合成一次直线

                        self.brow_k = -round(z1[0], 3)  # 拟合出曲线的斜率和实际眉毛的倾斜方向是相反的

                        brow_hight = (brow_sum / 10) / self.face_width  # 眉毛高度占比

                        brow_width = (frown_sum / 5) / self.face_width  # 眉毛距离占比

                        # print("眉毛高度与识别框高度之比：",round(brow_arv/self.face_width,3))

                        # print("眉毛间距与识别框高度之比：",round(frown_arv/self.face_width,3))

                        # 眼睛睁开程度

                        eye_sum = (shape.part(41).y - shape.part(37).y + shape.part(40).y - shape.part(38).y +

                                   shape.part(47).y - shape.part(43).y + shape.part(46).y - shape.part(44).y)

                        eye_hight = (eye_sum / 4) / self.face_width

                        # print("眼睛睁开距离与识别框高度之比：",round(eye_open/self.face_width,3))

                        # 分情况讨论

                        # 张嘴，可能是开心或者惊讶

                        if round(mouth_higth >= 0.03):

                            if eye_hight >= 0.056:

                                cv2.putText(im_rd, "amazing", (d.left(), d.bottom() + 20), cv2.FONT_HERSHEY_SIMPLEX,

                                            0.8,

                                            (0, 0, 255), 2, 4)

                            else:

                                cv2.putText(im_rd, "happy", (d.left(), d.bottom() + 20), cv2.FONT_HERSHEY_SIMPLEX, 0.8,

                                            (0, 0, 255), 2, 4)

                        # 没有张嘴，可能是正常和生气

                        else:

                            if self.brow_k <= -0.3:

                                cv2.putText(im_rd, "angry", (d.left(), d.bottom() + 20), cv2.FONT_HERSHEY_SIMPLEX, 0.8,

                                            (0, 0, 255), 2, 4)

                            else:

                                cv2.putText(im_rd, "nature", (d.left(), d.bottom() + 20), cv2.FONT_HERSHEY_SIMPLEX, 0.8,

                                            (0, 0, 255), 2, 4)

                # 标出人脸数

                cv2.putText(im_rd, "Faces: " + str(len(faces)), (20, 50), font, 1, (0, 0, 255), 1, cv2.LINE_AA)

            else:

                # 没有检测到人脸

                cv2.putText(im_rd, "No Face", (20, 50), font, 1, (0, 0, 255), 1, cv2.LINE_AA)

            # 添加说明

            im_rd = cv2.putText(im_rd, "S: screenshot", (20, 400), font, 0.8, (0, 0, 255), 1, cv2.LINE_AA)

            im_rd = cv2.putText(im_rd, "Q: quit", (20, 450), font, 0.8, (0, 0, 255), 1, cv2.LINE_AA)

            # 按下s键截图保存

            if (k == ord('s')):

                self.cnt += 1

                cv2.imwrite("screenshoot" + str(self.cnt) + ".jpg", im_rd)

            # 按下q键退出

            if (k == ord('q')):

                break

            # 窗口显示

            cv2.imshow("camera", im_rd)

        # 释放摄像头

        self.cap.release()

        # 删除建立的窗口

        cv2.destroyAllWindows()

if __name__ == "__main__":

    my_face = face_emotion()

    my_face.learning_face()

写在后面

OK，我承认，这不是我写的，我很菜，写不出来，站在巨人的脚指甲盖上做出来的，好的，其实是把人家代码拷贝下来自己改的，也没改多少。

大神博客地址：https://www.cnblogs.com/qsyll0916/p/8893790.html