介紹今天我們將使用 OpenCV 和 MediaPipe 來檢測圖像中的468 個面部地標。

OpenCV 是用于計算機視覺、機器學習和圖像處理的跨平臺開源庫,我們可以使用它來開發(fā)實時計算機視覺應用程序。它主要用于圖像或視頻處理以及分析,包括對象檢測、面部檢測等。

面部地標用于定位和表示面部的重要區(qū)域,例如:嘴巴眼睛眉毛鼻子下頜線等應用面部地標有許多應用,例如:換臉如果我們在兩張不同的臉上估計了面部地標特征點,我們可以將一張臉與另一張臉對齊,然后我們可以將一張臉克隆到另一張臉上。

面部變形面部地標可用于通過對齊可變形的面部來生成中間圖像。

頭部姿勢估計一旦我們知道了一些面部地標點,那么我們也可以估計頭部的姿勢。

MediaPipe Face Mesh即使在移動設備上,MediaPipe Face Mesh 也可以實時估計 468 個 3D 面部地標。通過應用機器學習 (ML) 來推斷 3D 表面幾何形狀,它只需要單個相機輸入,而無需專用的深度傳感器。它提供了更好的實時性能。面部地標模型3D 面部地標模型使用遷移學習,并在具有不同目標的網(wǎng)絡上進行訓練:該網(wǎng)絡預測合成渲染數(shù)據(jù)上的 3D 地標坐標。由此產(chǎn)生的網(wǎng)絡在現(xiàn)實世界的數(shù)據(jù)上表現(xiàn)得相當好。3D 地標網(wǎng)絡將輸入作為裁剪的視頻幀,而無需額外的深度輸入。

該模型輸出 3D 點的位置,在輸入中合理對齊。幾何管線幾何管線是一個關鍵組件,它估計 3D Metric 空間內的幾何對象。在每一幀上,分別執(zhí)行以下步驟:得到Metric 3D空間坐標,即將面部地標屏幕坐標轉換為Metric 3D空間坐標。面部姿態(tài)變換矩陣被估計為來自標準面部度量界標的剛性線性映射,然后將其發(fā)送到運行時面部度量界標中,以最小化兩者之間的差異。運行時面部度量地標創(chuàng)建一個面部網(wǎng)格。讓我們來實現(xiàn)它首先,讓我們檢查我們的網(wǎng)絡攝像頭 ID 是否工作正常,并在輸出屏幕上打印每秒幀數(shù) (fps)。import cv2
import time
cap = cv2．VideoCapture(0)
pTime = 0
while True:
success, img = cap．read()
imgRGB = cv2．cvtColor(img, cv2．COLOR_BGR2RGB)
cTime = time．time()
fps = 1/(cTime-pTime)
pTime = cTime
cv2．putText(img, f'FPS:{int(fps)}', (20, 70), cv2．FONT_HERSHEY_SIMPLEX, 1, (0, 255, 0), 2)
cv2．imshow("Test", img)
cv2．waitKey(1)
如果你有網(wǎng)絡攝像頭,它應該會打開一個窗口,否則你可以在“VideoCapture”功能中指定視頻路徑而不是零。在左上角,你可以看到 FPS(變化),如下所示。

現(xiàn)在讓我們創(chuàng)建一個新的 python 文件并開始創(chuàng)建我們的面部地標檢測模塊。安裝所需的模塊。pip install opencv-python
pip install mediapipe
import cv2
import mediapipe as mp
import time
cap = cv2．VideoCapture(0)
pTime = 0
NUM_FACE = 2
mpDraw = mp．solutions．drawing_utils
mpFaceMesh = mp．solutions．face_mesh
faceMesh = mpFaceMesh．FaceMesh(max_num_faces=NUM_FACE)
drawSpec = mpDraw．DrawingSpec(thickness=1, circle_radius=1)
在上面的代碼中,我們從網(wǎng)絡攝像頭獲取輸入,變量“NUM_FACE”表示有多少面部要從幀中檢測和定位面部地標。要繪制面部點,我們使用 'mpDraw' 變量。我們將使用“mp．solutions．face_mesh”來創(chuàng)建面部網(wǎng)格。為了控制連接線和點的粗細,我們將使用“drawSpec”。while True:
   success, img = cap．read()
   imgRGB = cv2．cvtColor(img, cv2．COLOR_BGR2RGB)
   results = faceMesh．process(imgRGB)
   if results．multi_face_landmarks:
       for faceLms in results．multi_face_landmarks:
           mpDraw．draw_landmarks(img, faceLms,mpFaceMesh．FACE_CONNECTIONS, drawSpec, drawSpec)
for id,lm in enumerate(faceLms．landmark):
print(lm)
ih, iw, ic = img．shape
x,y = int(lm．x*iw), int(lm．y*ih)
# uncomment the below line to see the 468 facial landmark
# cv2．putText(img, str(id), (x, y), cv2．FONT_HERSHEY_SIMPLEX, 0．3, (0, 255, 0), 1)
print(id, x,y)
cTime = time．time()
fps = 1/(cTime-pTime)
pTime = cTime
cv2．putText(img, f'FPS:{int(fps)}', (20,70), cv2．FONT_HERSHEY_SIMPLEX, 1, (0,255,0), 2)
cv2．imshow("Test", img)
cv2．waitKey(1)
然后在 while 循環(huán)中讀取幀并將幀轉換為 RGB,將該圖像傳遞給“ *faceMesh．process()”,*然后在面部繪制檢測到的地標。為了看到468 個面部地標,取消對for loop 中的“cv2．putText()”函數(shù)的注釋。語句 ' print (id, x, y)'將打印出 id 和坐標。然后輸出如下。

現(xiàn)在為了創(chuàng)建一個模塊,以便我們可以在不同的項目中使用它,首先我們需要創(chuàng)建一個包含函數(shù)的類。import cv2
import mediapipe as mp
import time
NUM_FACE = 2
class FaceLandMarks():
   def __init__(self, staticMode=False,maxFace=NUM_FACE, minDetectionCon=0．5, minTrackCon=0．5):
       self．staticMode = staticMode
       self．maxFace =  maxFace
       self．minDetectionCon = minDetectionCon
       self．minTrackCon = minTrackCon
       self．mpDraw = mp．solutions．drawing_utils
       self．mpFaceMesh = mp．solutions．face_mesh
       self．faceMesh = self．mpFaceMesh．FaceMesh(self．staticMode, self．maxFace, self．minDetectionCon, self．minTrackCon)
       self．drawSpec = self．mpDraw．DrawingSpec(thickness=1, circle_radius=1)
   def findFaceLandmark(self, img, draw=True):
       self．imgRGB = cv2．cvtColor(img, cv2．COLOR_BGR2RGB)
       self．results = self．faceMesh．process(self．imgRGB)
       faces = []
       if self．results．multi_face_landmarks:
           for faceLms in self．results．multi_face_landmarks:
               if draw:
                   self．mpDraw．draw_landmarks(img, faceLms, self．mpFaceMesh．FACE_CONNECTIONS, self．drawSpec, self．drawSpec)
               face = []
               for id, lm in enumerate(faceLms．landmark):
                   # print(lm)
                   ih, iw, ic = img．shape
                   x, y = int(lm．x * iw), int(lm．y * ih)
                   #cv2．putText(img, str(id), (x,y), cv2．FONT_HERSHEY_SIMPLEX, 0．3, (0,255,0), 1)
                   #print(id, x, y)
                   face．a(chǎn)ppend([x,y])
               faces．a(chǎn)ppend(face)
       return img, faces
def main():
   cap = cv2．VideoCapture(0)
   pTime = 0
   detector = FaceLandMarks()
   while True:
       success, img = cap．read()
       img, faces = detector．findFaceLandmark(img)
       if len(faces)!=0:
           print(len(faces))
       cTime = time．time()
       fps = 1 / (cTime - pTime)
       pTime = cTime
       cv2．putText(img, f'FPS:{int(fps)}', (20, 70), cv2．FONT_HERSHEY_SIMPLEX, 1, (0, 255, 0), 2)
       cv2．imshow("Test", img)
       cv2．waitKey(1)
if __name__ == "__main__":
   main()

結論

在上面的代碼中,函數(shù)名稱是*“findFaceLandmarks”,它檢測面部地標并執(zhí)行與上述相同的功能。類“FaceLandMarks()”* 取靜態(tài)模式中,面部的最大數(shù)量和最小檢測置信度和最小的跟蹤置信度。然后創(chuàng)建 main 函數(shù)來運行代碼。