《深度学习》Dlib、OpenCV 轮廓绘制

目录

一、Dlib轮廓绘制

1、什么是轮廓绘制

2、步骤

1)导入所需的库和模型

2)加载人脸检测器

3)读取图像

4)人脸检测

5)关键点定位

6)绘制轮廓线条

7)展示结果

二、案例实现

1、完整代码

运行结果:

2、实时摄像头或视频检测

运行结果:


一、Dlib轮廓绘制

1、什么是轮廓绘制

在Dlib中,人脸识别的轮廓绘制是指通过检测人脸的关键点位置,使用直线或曲线连接这些关键点,从而绘制出人脸的轮廓线条。这些关键点通常包括眉毛、眼睛、鼻子、嘴巴等部位的位置。通过绘制人脸轮廓,可以对人脸进行更精确的分析和识别。

2、步骤

1)导入所需的库和模型

使用Dlib库进行人脸识别,需要导入相应的库和模型文件。

2)加载人脸检测器

使用Dlib提供的人脸检测器模型,加载并初始化人脸检测器。

3)读取图像

将待处理的图像读取到内存中。

4)人脸检测

使用人脸检测器对图像进行人脸检测,获取人脸的位置信息。

5)关键点定位

使用Dlib提供的关键点检测器模型,对检测到的人脸进行关键点定位,即确定人脸的眼睛、鼻子、嘴巴等部位的位置。

6)绘制轮廓线条

通过将关键点的位置连接起来,使用直线或曲线绘制出人脸的轮廓线条。

7)展示结果

将绘制好的轮廓线条展示在图像上,并可将结果保存或显示出来。

二、案例实现

1、完整代码

python 复制代码
import numpy as np
import dlib
import cv2



def drawLine(start,end):  # 将指定的点连接起来
    pts = shape[start:end]   # 索引遍历出来关键点的坐标
    for l in range(1,len(pts)):
        ptA = tuple(pts[l-1])   # 遍历第一个点开始
        ptB = tuple(pts[l])     # 遍历上一个点的后一个点
        cv2.line(image, ptA, ptB,(0,255,0),2)  # 将两个点连接起来

def drawConvexHull(start,end):
    # 将指定的点构成一个凸包,绘制成轮廓,一般眼睛、嘴使用凸包用来绘制
    Facial = shape[start:end + 1]   # 索引的方式获取关键点的坐标
    mouthHull = cv2.convexHull(Facial)  # 凸包函数,用于计算二维点集的凸包,凸包是覆盖所有点的最小凸多边形,返回凸包的点集,或者叫二维顶点
    cv2.drawContours(image,[mouthHull], -1,(0, 255, 0),  2)  # 绘制检测到的凸包轮廓,-1表示绘制所有轮廓


image = cv2.imread("people2.png")   # 读取图片
detector = dlib.get_frontal_face_detector()  # 构造脸部位置检测器
faces = detector(image,0)  # 检测人脸。返回检测到的人脸
# 读取人脸关键点定位模型
predictor = dlib.shape_predictor("shape_predictor_68_face_landmarks.dat")
for face in faces:  # 遍历检测到人脸
    shape = predictor(image,face)  # 调用关键点检测器,获取人脸的关键点
    # 将关键点转换为坐标(x,y)的形式
    shape = np.array([[p.x,p.y] for p in shape.parts()])  # 获取每个人脸的关键点坐标
    drawConvexHull(36,41)   # 绘制右眼凸包,因为眼睛的关键点索引为36-41,凸包是覆盖所有点的最小凸多边形
    drawConvexHull(48, 59)  # 绘制左眼凸包
    drawConvexHull(48,59)   # 绘制嘴外部凸包
    drawConvexHull(60, 67)   # 绘制嘴内部凸包

    drawLine(0,17)   # 绘制脸颊点线,将脸上的点都连接起来
    drawLine(17, 22)
    drawLine(22, 27)
    drawLine(27, 36)
cv2.imshow("Frame",image)
cv2.waitKey()
cv2.destroyAllWindows()
运行结果:

2、实时摄像头或视频检测

python 复制代码
def drawLine(start,end):#将指定的点连接起水
    pts = shape[start:end]  #获取点集
    for l in range(1,len(pts)):
        ptA = tuple(pts[l-1])
        ptB = tuple(pts[l])
        cv2.line(image, ptA, ptB,(0,255,0),2)

def drawConvexHull(start,end):
    # 将指定的点构成一个凸包,绘制成轮廓,一般眼睛、嘴使用凸包用来绘制
    Facial = shape[start:end + 1]
    mouthHull = cv2.convexHull(Facial)  # 凸包函数
    cv2.drawContours(image,[mouthHull], -1,(0, 255, 0),  2)

cap = cv2.VideoCapture("笑容.mp4")
if not cap.isOpened():   # 如果打开失败
    print("Cannot open camera")
    exit()  # 终止程序

detector = dlib.get_frontal_face_detector()  # 构造脸部位置检测器
predictor = dlib.shape_predictor("shape_predictor_68_face_landmarks.dat")


while True:
    ret, image = cap.read()
    faces = detector(image,0)  # 检测人险方位置
    # 读取入脸关键点定位模型
    for face in faces:# 对检测到的rects,还个遍历
        shape = predictor(image,face)# 获取关键点
        # 将关键点转换为坐标(x,y)的形式
        shape = np.array([[p.x,p.y] for p in shape.parts()])
        drawConvexHull(36,41)   # 绘制右眼凸包
        drawConvexHull(48, 59)  # 绘制左眼凸包
        drawConvexHull(48,59)   # 绘制嘴外部凸包
        drawConvexHull(60, 67)   # 绘制嘴内部凸包

        drawLine(0,17)   # 绘制脸颊点线
        drawLine(17, 22)
        drawLine(22, 27)
        drawLine(27, 36)
    cv2.imshow("Frame",image)

    k = cv2.waitKey(20)  # 每一帧画面执行20毫秒
    if k == 27:  # 如果键盘点击esc键,终止循环
        break
cv2.destroyAllWindows()
运行结果:
相关推荐
静心问道18 分钟前
TrOCR: 基于Transformer的光学字符识别方法,使用预训练模型
人工智能·深度学习·transformer·多模态
说私域20 分钟前
基于开源AI大模型、AI智能名片与S2B2C商城小程序源码的用户价值引导与核心用户沉淀策略研究
人工智能·开源
亲持红叶22 分钟前
GLU 变种:ReGLU 、 GEGLU 、 SwiGLU
人工智能·深度学习·神经网络·激活函数
说私域22 分钟前
线上协同办公时代:以开源AI大模型等工具培养网感,拥抱职业变革
人工智能·开源
群联云防护小杜23 分钟前
深度隐匿源IP:高防+群联AI云防护防绕过实战
运维·服务器·前端·网络·人工智能·网络协议·tcp/ip
摘星编程29 分钟前
构建智能客服Agent:从需求分析到生产部署
人工智能·需求分析·智能客服·agent开发·生产部署
不爱学习的YY酱32 分钟前
信息检索革命:Perplexica+cpolar打造你的专属智能搜索中枢
人工智能
whaosoft-1432 小时前
51c自动驾驶~合集7
人工智能
刘晓倩5 小时前
Coze智能体开发实战-多Agent综合实战
人工智能·coze
石迹耿千秋6 小时前
迁移学习--基于torchvision中VGG16模型的实战
人工智能·pytorch·机器学习·迁移学习