Python中怎么實現(xiàn)人臉檢測，很多新手對此不是很清楚，為了幫助大家解決這個難題，下面小編將為大家詳細(xì)講解，有這方面需求的人可以來學(xué)習(xí)下，希望你能有所收獲。

鄯善網(wǎng)站制作公司哪家好，找成都創(chuàng)新互聯(lián)公司！從網(wǎng)頁設(shè)計、網(wǎng)站建設(shè)、微信開發(fā)、APP開發(fā)、成都響應(yīng)式網(wǎng)站建設(shè)公司等網(wǎng)站項目制作，到程序開發(fā)，運(yùn)營維護(hù)。成都創(chuàng)新互聯(lián)公司于2013年開始到現(xiàn)在10年的時間，我們擁有了豐富的建站經(jīng)驗和運(yùn)維經(jīng)驗，來保證我們的工作的順利進(jìn)行。專注于網(wǎng)站建設(shè)就選成都創(chuàng)新互聯(lián)公司。

首先需要安裝這些包，以Ubuntu為例：

$ 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：

$ pip install numpy  $ pip install scipy  $ pip install opencv-python  $ pip install dlib

人臉檢測基于事先訓(xùn)練好的模型數(shù)據(jù)，從這里可以下到模型數(shù)據(jù)

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(shù)據(jù)是用來估計人臉上68個特征點(x, y)的坐標(biāo)位置，這68個坐標(biāo)點的位置如下圖所示：

我們的程序?qū)瑑蓚€步驟：

***步，在照片中檢測人臉的區(qū)域

第二部，在檢測到的人臉區(qū)域中，進(jìn)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(shù)：

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(shù)里的rect是dlib臉部區(qū)域檢測的輸出。這里將rect轉(zhuǎn)換成一個序列，序列的內(nèi)容是矩形區(qū)域的邊界信息。

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(shù)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(shù)將shape轉(zhuǎn)換成Numpy array，為方便后續(xù)處理。

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(shù)里的image就是我們要檢測的圖片。在人臉檢測程序的***，我們會顯示檢測的結(jié)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

import sys import numpy as np  import dlib import cv2   if len(sys.argv) < 2:          print "Usage: %s " % 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(shù)中讀取要檢測人臉的圖片，接下來初始化人臉區(qū)域檢測的detector和人臉特征檢測的predictor。shape_predictor中的參數(shù)就是我們之前解壓后的文件的路徑。

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(qū)域前，我們先要檢測人臉區(qū)域。這段代碼調(diào)用opencv加載圖片，resize到合適的大小，轉(zhuǎn)成灰度圖，***用detector檢測臉部區(qū)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(shù)組rects。

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)

看完上述內(nèi)容是否對您有幫助呢？如果還想對相關(guān)知識有進(jìn)一步的了解或閱讀更多相關(guān)文章，請關(guān)注創(chuàng)新互聯(lián)行業(yè)資訊頻道，感謝您對創(chuàng)新互聯(lián)的支持。