我们利用dlib 人脸检测 库,以及一些主流的人脸检测库大多数都是68个特征点,当我们需要更多的特征点是该怎么办?这个谷歌的mediapipe库里面可以为我们提供多达468个特征点,而且这些特征点是(x,y,z)的数据类型,意味着是3维的数据,实现了类似于深度传感器的功能。他可以提供人脸识别,人脸检测,手势识别,姿态检测等一系列功能。
mediapipe
今我们就来实现一下如何提取人脸中的468个人特征点:
先是导入这个库:
import mediapipe as mp
如果没有这个库的可通过 终端 pip install mediapipe
如果是aconda配置的环境, 要先进入自己的环境 conda activate [你的环境]
再pip install mediapipe
j接下俩就是导入facemesh的莫 模型 以及配置参数,代码中的注释我都有添加,大家可以看看。
如果有自己不懂的函数直接点进去,然后通过函数的英文注释,大家就会明白大概每个函数的参数如何设置。
import cv2import mediapipe as mpimport timecv2cap = cv2.VideoCapture(r'C:\Users\10334\Desktop\csdn\20220919214835.mp4')pTime = 0#调用人脸绘画模型工具mpDraw = mp.solutions.drawing_utils#设置模型的参数mpFaceMesh = mp.solutions.face_mesh#将人脸检测数最大设置为2faceMesh = mpFaceMesh.FaceMesh(max_num_faces=2)#这时设置人脸绘画的参数drawSpec = mpDraw.DrawingSpec((0,244,56),thickness=1, circle_radius=1) while True: success, img = cap.read() #将bgr图像转换为rgb图像 imgRGB = cv2.cvtColor(img, cv2.COLOR_BGR2RGB) #将图像传至到面网模型中 results = faceMesh.process(imgRGB) #具有“multi_face_landmarks”字段的命名元组对象,该字段包含每一张检测到的人脸上的人脸标记。 if results.multi_face_landmarks: #将获取的list进行遍历 for faceLms in results.multi_face_landmarks: """image:一个表示为numpy ndarray的三通道BGR图像。 landmark_list:要注释的规范化地标列表原消息图像。 连接:指定如何连接的地标索引元组的列表在图中连接。 landmark_drawing_spec: DrawingSpec对象或来自的映射将地标传递到指定地标绘图的DrawingSpecs,如颜色、线厚和圆半径的设置。如果此参数显式设置为None,则不会绘制任何地标。 connection_drawing_spec:一个DrawingSpec对象或来自的映射手工连接到指定的DrawingSpecs连接的绘图设置,如颜色和线厚。如果此参数显式设置为None,则没有地标连接被吸引。""" mpDraw.draw_landmarks(img, faceLms,mpFaceMesh.FACEMESH_CONTOURS,drawSpec,drawSpec) for id,lm in enumerate(faceLms.landmark): ih, iw, ic = img.shape #将归一化的数据变为图像大小 x,y = int(lm.x*iw), int(lm.y*ih) print(id,x,y) cTime = time.time() fps = 1 / (cTime - pTime) pTime = cTime cv2.putText(img, f'FPS: {int(fps)}', (20, 30), cv2.FONT_HERSHEY_PLAIN, 2, (0, 0, 255), 3) cv2.imshow("Image", img) cv2.waitKey(1)免责声明:本文系网络转载或改编,未找到原创作者,版权归原作者所有。如涉及版权,请联系删