2python人工智能算法五官识别.zip

# 导入模块库 import numpy as np import dlib import cv2 from PIL import Image, ImageDraw, ImageFont # 在图片写汉字 def to_chinese_text(img, vtext, pointx, pointy): cv2img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB) # 实现array到image的转换 pil_img = Image.fromarray(cv2img) # PIL图片上打印汉字 draw = ImageDraw.Draw(pil_img) # 参数1：字体文件路径，参数2：字体大小 font = ImageFont.truetype("./方正粗黑宋简体.ttf", 38, encoding="utf-8") # 参数1：打印坐标，参数2：文本，参数3：字体颜色，参数4：字体 draw.text((pointx, pointy), vtext, (255, 0, 0), font=font) # 将PIL图片转cv2 图片 cv2_img = cv2.cvtColor(np.array(pil_img), cv2.COLOR_RGB2BGR) return cv2_img # 将脸部的68个特征点坐标放到一个numpy数组中 # 参数obj_shape是识别出来的一张人脸对象（这个对象用矩形框框住的人脸图像部分） def obj_to_np(obj_shape): # 以下语句创建一个68*2的数组,这个数组中每个元素的值都是0， # obj_shape.num_part返回人脸对象包含子元素的个数， # 由于是基于68特征点预测器生成人脸对象obj_shape， # 所以obj_shape.num_part的返回的值是68 face_feature_array = np.zeros((obj_shape.num_parts, 2), dtype="int") # 遍历obj_shape中68个特征点，取出特征点的坐标 for i in range(0, obj_shape.num_parts): # 将每个特征点的坐标值（这个坐标值是这个特征点在图像上位置）赋值给数组face_feature_array face_feature_array[i] = (obj_shape.part(i).x, obj_shape.part(i).y) return face_feature_array # 在图片中将一个坐标集合中，指定的点连接成线 # 参数img是图像，参数face_obj_ndarray是一个包含系列点的坐标值的数组， # 参数point_start是坐标点起始索引，参数point_end是坐标点终止索引 # 参数isjaw是boolean型，表示是否是脸颊，如果不是就将特征点首尾相连，如果是就不连接首尾这两个点 def draw_line(img, face_obj_ndarray, point_start, point_end, isjaw=False): # 将point_start到point_end的点的坐标取出来 points = face_obj_ndarray[point_start:point_end] # 循环每个坐标点，从第二个点开始循环 for i in range(1, len(points)): # 取出前一个坐标点 point_a = tuple(points[i - 1]) # 取出当前坐标点 point_b = tuple(points[i]) # 在图片中将两个点连成线 cv2.line(img, point_a, point_b, (0, 0, 255), 2) # 如果不是脸颊，将特征点首尾两个点相连 if not isjaw: # 取出最后一个特征点的坐标 p_a = tuple(points[len(points) - 1]) # 取出第一个特征点的坐标 p_b = tuple(points[0]) cv2.line(img, p_a, p_b, (0, 0, 255), 2) # 在人脸上标识出各部分，即给各个人脸各部位涂上颜色 # 参数img是图像，参数gray是img的灰度图 # 参数rects是识别出来的人脸对象（这些对象用矩形框框住的人脸图像部分） # 参数alpha指定透明度 def face_mark(img, gray, rects, alpha=0.6): # 对原图片进行copy生成图片mark_lay # mark_lay这个图片用来标识人脸各部位 mark_lay = image.copy() # 设置要标识人脸部位的颜色 color_1 = (60, 66, 168) # 取出每张人脸对象，rect保存每张人脸对象 for (i_, rect) in enumerate(rects): # 在灰度图中将每张人脸用68个特征值分析 face_obj = predictor(gray, rect) # 将每张脸的68特征点的坐标放到numpy数组中,这些坐标值是在原图片上的坐标 face_obj_ndarray = obj_to_np(face_obj) # #循环取得字典face_point_68中的每个键 for (i, key_name) in enumerate(face_point_68.keys()): # 得到每一个键（人脸的一个部位）中的特征点起始与结束点 (j, k) = face_point_68[key_name] # 取出人脸一个部位的特征点对应的坐标 points = face_obj_ndarray[j:k] # 如果是这个人脸部位是脸颊,就用连线标出这个部位 if key_name == "脸颊": # 调用函数画连结线 draw_line(img, face_obj_ndarray, j, k, isjaw=True) else: # 取得包含这个部位特征点坐标的凸包 hull = cv2.convexHull(points) # 根据图片mark_lay上，在凸包内部填充颜色 cv2.drawContours(mark_lay, [hull], -1, color_1, -1) # 将图片mark_lay叠加在原图img上，叠加后的图像赋值给img cv2.addWeighted(mark_lay, alpha, img, 1 - alpha, 0, img) # 显示图形 cv2.imshow("Image", img) cv2.waitKey(0) cv2.destroyAllWindows() # 取得人脸上某个部位并显示的函数 # 参数img是图像，参数gray是img的灰度图 # 参数rects是识别出来的人脸对象（这个对角用矩形框框住的） # 参数part_name人脸的部位名称，如脸颊、左眼、右眼等 def get_one_part(img, gray, rects, part_name): # 通过循环取每张人脸对象 for (i_, rect) in enumerate(rects): # 用基于68个特征点分析器，在灰度图中取出68个特征点保存在变量face_obj face_obj = predictor(gray, rect) # 将每张脸的68特征点的坐标放到numpy数组中,这些坐标值是在原图片上的坐标 face_obj_ndarray = obj_to_np(face_obj) # 循环取得字典face_point_68中的人脸的部位名称、每个部位特征点的起始值 for (name, (i, j)) in face_point_68.items(): # 如果人脸的部位名与参数part_name一致 if name == part_name: # 调用函数在原图上坐标为（10，30)位置上写出这个人脸部位的名称 img = to_chinese_text(img, name, 10, 30) # 循环取出这个部位的每个特征点的坐标 for (pointx, pointy) in face_obj_ndarray[i:j]: # 在相应坐标上画直径为3px的红色圆点,最后一个参数-1表示用相应颜色填充几何图形圆 cv2.circle(img, (pointx, pointy), 3, (0, 0, 255), -1) isjaw = False if part_name == "脸颊": isjaw = True # 调用函数将这个部分特征点用连接起来 draw_line(img, face_obj_ndarray, i, j, isjaw) # 取出包围这个人脸部位的最小矩形,cv2.boundingRect()返回矩形左上角的坐标以及矩形的宽和高 (x, y, w, h) = cv2.boundingRect(np.array([face_obj_ndarray[i:j]])) # 在图形取出这个矩形（包含人脸部位的图片部分） part_one = image[y:y + h, x:x + w] # 显示这个人脸部位 cv2.imshow("part-one", part_one) # 显示原图 cv2.imshow("Image", img) cv2.waitKey(0) # 主程序main if __name__ == '__main__': # 生成一个人脸识别器对象 detector = dlib.get_frontal_face_detector() # 生成一个基于68个特征点的预测器 predictor = dlib.shape_predictor('shape_predictor_68_face_landmarks.dat') # 生一个字典，将脸部每个部位的特征点起始值作为键值，这个键值与人脸各部位对应 face_point_68 = { '脸颊': (0, 17), '右眉': (17, 22), '左眉': (22, 27), '鼻子': (27, 36), '右眼': (36, 42), '左眼': (42, 48), '嘴巴': (48, 68) } # 将一张图片对入内存中 image = cv2.imread('./test.jpg') # 取出图片的高与宽取出来,因为图片在计算机实际是以三维数据形式保存 # 数组的第一维长度就是图片高