【人脸识别】face_recognition 库的使用

目录

  • 1. load_image_file 加载图像
  • 2. face_locations 定位图中所有人脸
    • (1)在原图像中框出人脸
    • (2)剪切出人脸
  • 3. face_landmarks 识别人脸关键点


1. load_image_file 加载图像

  • 输出图像是 RGB 格式(opencv中是 BGR 格式)
  • 图像类型是 ndarray
import face_recognition
import cv2

image = face_recognition.load_image_file("image.png")   # 读取图像
print(image.shape)   # (800, 1133, 3)
print(type(image))   # 

2. face_locations 定位图中所有人脸

函数作用:识别出图像中所有人脸,并以列表的形式返回人脸的位置信息

函数输出:输出一个列表,形如: [(411, 956, 540, 827), (283, 605, 390, 497)]

  • 列表中包含两个tuple (411, 956, 540, 827) 和 (283, 605, 390, 497) ,表示识别出了两个人脸
  • 每个 tuple 中的4个数字表示这个人脸的位置信息,分别为 [top, right, bottm,left] , 代表框住人脸的矩形中左上角位置坐标 (right, top)和右下角的位置坐标(left, bottom)
import face_recognition
import cv2

image = face_recognition.load_image_file("image.jpeg")   # 读取图像
face_locations = face_recognition.face_locations(image)    # 获取人脸位置
print(face_locations)  

输出:

[(411, 956, 540, 827), (283, 605, 390, 497)]

检测到的第二个人脸位置坐标 (283, 605, 390, 497),对应如下
【人脸识别】face_recognition 库的使用_第1张图片

(1)在原图像中框出人脸

import face_recognition
import cv2

image = face_recognition.load_image_file("image.jpeg")   # 读取图像
face_locations = face_recognition.face_locations(image)    # 获取人脸位置
print(face_locations)

# ---------------------------------------------------
img = cv2.cvtColor(image, cv2.COLOR_RGB2BGR)
for p in face_locations:
    print(p)
    face_detect = cv2.rectangle(img, (p[3], p[0]), (p[1], p[2]), (0, 0, 255), 5)

cv2.imshow('face_detect'.format(), face_detect)
cv2.waitKey()
cv2.destroyAllWindows()

【人脸识别】face_recognition 库的使用_第2张图片

(2)剪切出人脸

import face_recognition
import cv2

image = face_recognition.load_image_file("image.jpeg")   # 读取图像
face_locations = face_recognition.face_locations(image)    # 获取人脸位置
print(face_locations)  # [(411, 956, 540, 827), (283, 605, 390, 497)]

img = cv2.cvtColor(image, cv2.COLOR_RGB2BGR)

for i, p in enumerate(face_locations):
    face_detect = img[p[0]:p[2], p[3]:p[1]]
    cv2.imshow('face_detect_{}'.format(i), face_detect)
    
cv2.waitKey()
cv2.destroyAllWindows()

【人脸识别】face_recognition 库的使用_第3张图片


3. face_landmarks 识别人脸关键点

  • 函数作用:识别出 9种人脸关键点信息 ,包括眼睛、鼻子、嘴巴和下巴等
  • 返回值:是个list,列表长度表示有几个人的面部信息;list 中的项是字典,每个字典的key表示面部特征的名字,值为这个面部特征的位置信息(是一个列表); 特征点包括:
    • nose_bridge
    • right_eyebrow
    • right_eye
    • chine
    • left_eyebrow
    • bottom_lip
    • nose_tip
    • top_lip
    • left_eye
import face_recognition
import cv2
import numpy as np

image = face_recognition.load_image_file("image.jpeg")   # 读取图像
face_landmarks_list = face_recognition.face_landmarks(image)    # 获取人脸位置

img = cv2.cvtColor(image, cv2.COLOR_RGB2BGR)
for face_landmarks in face_landmarks_list:
    facial_features = [
        'left_eye',
        'right_eye',
        'nose_tip',
        'top_lip',
        'bottom_lip'
    ]


    # 在图像中画出每个人的眼睛, 鼻子, 嘴巴!
    for facial_feature in facial_features:
        points = np.array(face_landmarks[facial_feature])
        cv2.polylines(img, [points], False, (0, 0, 255), 2)

cv2.imshow('facial_feature', img)
cv2.waitKey()
cv2.destroyAllWindows()

【人脸识别】face_recognition 库的使用_第4张图片

你可能感兴趣的:(#,python,OpenCV,opencv,计算机视觉,python)