使用python，dlib，OpenCV提取眼睛，鼻子，嘴唇及下颌

• • 1. 效果圖
  • 2. 原理
  • 3. 源碼
  • 參考

上一篇部落格中，我們了解了什麼是面部标志，以及如何使用dlib，OpenCV和Python檢測它們。利用dlib的HOG SVM的形狀預測器獲得面部ROI中面部區域的68個點（x，y）坐标。

這一篇部落格中，将示範如何使用NumPy數組切片魔術來分别通路每個面部部分并提取眼睛，眉毛，鼻子，嘴巴和下巴的特征。

1. 效果圖

先上一張檢測完的圖：

也可以每一部分先辨別出來：

2. 原理

面部标志主要是： 口 右眉 左眉 右眼 左眼 鼻子 下颚線

這一節即提取這些部分；

從圖中可以看到假設是以0為下标的數組：

嘴唇可以認為是： points [48, 68]. 内嘴唇：[60,68]
右眉毛 points [17, 22].
左眉毛 points [22, 27].
右眼 [36, 42].
左眼 [42, 48].
鼻子 [27, 35].
下颌 [0, 17].
           

已經知道下标，數組切片，并用不同的顔色來辨別各個部位，imutils包，可以幫助我們更優雅的寫代碼的包；已經有封裝好方法face_utils 。

嘴唇等是閉合區域，用閉合的凸包表示，下颌用線勾勒；

面部标志檢測傳回結果是：68個（x，y）坐标：

（1）先轉為适合OpenCV處理的 Numpy array，

（2）數組切片，用不同的顔色辨別不同的面部結構部分；

3. 源碼

# 安裝了dlib
# imutils 是最新的版本
# python detect_face_parts.py --shape-predictor shape_predictor_68_face_landmarks.dat --image images/girl.jpg

from imutils import face_utils
import numpy as np
import argparse
import imutils
import dlib
import cv2
import shutil
import os

# 建構指令行參數
# --shape-predictor 必須 形狀檢測器位置
# --image 必須 待檢測的圖檔
ap = argparse.ArgumentParser()
ap.add_argument("-p", "--shape-predictor", required=True,
                help="path to facial landmark predictor")
ap.add_argument("-i", "--image", required=True,
                help="path to input image")
args = vars(ap.parse_args())

temp_dir = "temp"
shutil.rmtree(temp_dir, ignore_errors=True)
os.makedirs(temp_dir)

# 初始化dlib中基于HOG的面部檢測器,及形狀預測器
detector = dlib.get_frontal_face_detector()
predictor = dlib.shape_predictor(args["shape_predictor"])

# 加載待檢測的圖檔,resize,并且裝換為灰階圖
image = cv2.imread(args["image"])
image = imutils.resize(image, width=500)
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

# 在灰階圖中檢測面部
rects = detector(gray, 1)

# 循環檢測到的面部
num = 0
for (i, rect) in enumerate(rects):
    # 确定面部區域進行面部标志檢測,并将其檢測到的68個點轉換為友善python處理的Numpy array
    shape = predictor(gray, rect)
    shape = face_utils.shape_to_np(shape)

    # 循環周遊面部标志獨立的每一部分
    for (name, (i, j)) in face_utils.FACIAL_LANDMARKS_IDXS.items():

        # 複制一張原始圖的拷貝,以便于繪制面部區域,及其名稱
        clone = image.copy()
        cv2.putText(clone, name, (10, 30), cv2.FONT_HERSHEY_SIMPLEX,
                    0.7, (0, 0, 255), 2)

        # 周遊獨立的面部标志的每一部分包含的點,并畫在圖中
        for (x, y) in shape[i:j]:
            cv2.circle(clone, (x, y), 1, (0, 0, 255), -1)
            # 要實際提取每個面部區域，我們隻需要計算與特定區域關聯的（x，y）坐标的邊界框，并使用NumPy數組切片來提取它：
            (x, y, w, h) = cv2.boundingRect(np.array([shape[i:j]]))
            roi = image[y:y + h, x:x + w]

            # resize ROI區域為 寬度250,以便于更好的可視化
            roi = imutils.resize(roi, width=250, inter=cv2.INTER_CUBIC)

            # 展示獨立的面部标志
            cv2.imshow("ROI", roi)
            cv2.imshow("Image", clone)
            cv2.waitKey(0)

        num = num + 1
        p = os.path.sep.join([temp_dir, "{}.jpg".format(
            str(num).zfill(8))])
        print('p: ', p)
        cv2.imwrite(p, output)

    # 應用visualize_facial_landmarks 功能為每個面部部位建立透明的覆寫層。(transparent overlay)
    output = face_utils.visualize_facial_landmarks(image, shape)
    cv2.imshow("Image", output)
    cv2.waitKey(0)

           

參考

• https://www.pyimagesearch.com/2017/04/10/detect-eyes-nose-lips-jaw-dlib-opencv-python/