python画狗头_人工智能python+dlib+opencv技术10分钟实现抖音人脸变狗头详细图文教程和完整项目代码...
效果展示
动态效果
静态效果
未完待续。。。
素材
项目讲解、代码和素材
开发环境
win7sp1
python 3.6.3
dlib 19.7.0
tensorflow 1.3.0rc0
keras 2.1.5
opencv-python 3.4.1+contrib
pillow 4.2.1
numpy 1.14.1+mkl
numpy 1.12.1
实现步骤
1.读取图片
2.识别人脸
3.人脸区域用狗头图片替换
4.展示效果
通过对人脸大小(宽和高度)、左右、上下摆动、人脸倾斜度、色彩等计算，可以生成算法变换新脸，更优化新脸和背景的融合。
项目代码
#!/usr/bin/env python
# -*- coding: utf-8 -*-
# video_face_swap.py
import os
import numpy as np
import sys
import time
import cv2
import dlib
from keras.preprocessing import image as imagekeras
from keras.models import load_model
from PIL import Image, ImageDraw, ImageFont
size = 150
save_dir = os.path.join(os.getcwd(), 'saved_models')
model_name = 'keras_face_trained_model.h5'
# 类别编码转换为中文名称返回
def return_name(codelist):
names = ['樊胜美', '关雎尔', '邱莹莹']
for it in range(0, len(codelist), 1):
if int(codelist[it]) == 1.0:
return names[it]
# 类别编码转换为英文名称返回
def return_name_en(codelist):
names = ['fsm', 'gje', 'qyy']
for it in range(0, len(codelist), 1):
if int(codelist[it]) == 1.0:
return names[it]
# 换脸
def swap_face(img1,rectangle1):
# 加载新脸图片
img2 = cv2.imread('dog2.png')
# 获取人脸宽度
w = (rectangle1.right() - rectangle1.left()) * 1.5
w = int(w)
# 调整新脸图片大小
img2 = cv2.resize(img2, (w, w))
# 截取背景图片被替换部分图片
top = rectangle1.top()- 20
left = rectangle1.left() - 20
roi = img1[top:top + w, left:left + w]
# 生成新脸掩码
img2gray = cv2.cvtColor(img2, cv2.COLOR_BGR2GRAY)
ret, mask = cv2.threshold(img2gray, 254, 255, cv2.THRESH_BINARY)
mask_inv = cv2.bitwise_not(mask)
# 取roi 中与mask 中不为零的值对应的像素的值，其他值为0
# 注意这里必须有mask=mask 或者mask=mask_inv, 其中的mask= 不能忽略
img1_bg = cv2.bitwise_and(roi, roi, mask=mask)
# 取roi 中与mask_inv 中不为零的值对应的像素的值，其他值为0。
# 提取新脸图片中脸部分(背景去掉)
img2_fg = cv2.bitwise_and(img2, img2, mask=mask_inv)
# 背景和新脸合成
dst = cv2.add(img1_bg, img2_fg)
img1[top:top + w, left:left + w] = dst
return img1
# 区分和标记视频中截图的人脸
def face_rec():
global image_ouput
model = load_model(os.path.join(save_dir, model_name))
camera = cv2.VideoCapture("2.mp4") # 视频
# camera = cv2.VideoCapture(0) # 摄像头
while (True):
read, img = camera.read()
try:
# 未截取视频图片结束本次循环
if not (type(img) is np.ndarray):
continue
gray_img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) # 图片转为灰度图
except:
print("Unexpected error:", sys.exc_info()[0])
break
# 使用detector进行人脸检测
# 使用dlib自带的frontal_face_detector作为我们的特征提取器
detector = dlib.get_frontal_face_detector()
dets = detector(gray_img, 1) # 提取截图中所有人脸
facelist = []
for i, d in enumerate(dets): # 依次区分截图中的人脸
x1 = d.top() if d.top() > 0 else 0
y1 = d.bottom() if d.bottom() > 0 else 0
x2 = d.left() if d.left() > 0 else 0
y2 = d.right() if d.right() > 0 else 0
img = cv2.rectangle(img, (x2, x1), (y2, y1), (255, 0, 0), 2) # 人脸画框
face = img[x1:y1, x2:y2]
face = cv2.resize(face, (size, size))
x_input = np.expand_dims(face, axis=0)
prey = model.predict(x_input) # 人脸标记预测
facelist.append([d, return_name(prey[0])]) # 存储一张图中多张人脸坐标和标记(姓名)
cv2_im = cv2.cvtColor(img, cv2.COLOR_BGR2RGB) # cv2和PIL中颜色的hex码的储存顺序不同
pil_im = Image.fromarray(cv2_im)
# 图片上打印
draw = ImageDraw.Draw(pil_im)
# 第一个参数为字体文件路径，第二个为字体大小
font = ImageFont.truetype("simhei.ttf", 20, encoding="utf-8")
try:
for i in facelist:
# 人脸标记写入图片，第一个参数为打印的坐标，第二个为打印的文本，第三个为字体颜色，第四个为字体
draw.text((i[0].left() + int((i[0].right() - i[0].left()) / 2 - len(i[1]) * 10), i[0].top() - 20), i[1],
(255, 0, 0), font=font)
# PIL图片转换为cv2图片
cv2_char_img = cv2.cvtColor(np.array(pil_im), cv2.COLOR_RGB2BGR)
# 随机人脸用新脸替换
cv2_swap_img = swap_face(cv2_char_img, facelist[0][0])
except:
print("Unexpected error:", sys.exc_info()[0])
continue
# 显示标记和换脸后图片
cv2.imshow("camera", cv2_swap_img)
if cv2.waitKey(1) & 0xff == ord("q"):
break
cv2.destroyAllWindows()
if __name__ == "__main__":
face_rec()
完整项目下载
为方便没积分童鞋，请加企鹅，共享文件夹。
包括：代码、数据集合(图片)、已生成model、安装库文件等。