目录
技术要点：
主要应用：
准备工作：
构建环境：
激活环境：
需要安装库：
权重文件下载：
开始预测：
1.采集图片
2.修改标签文件
3.训练模型
4.启动主程序
全部代码：
说明：本篇文章主要借鉴于抖音恩培大佬的代码，大佬的github地址为：enpeizhao (enpei) (github.com)
感兴趣的朋友也可以关注大佬的抖音号！
技术要点：
- 脸部姿态估计识别与检测
- 帧率检测
- 目标物体三个角度x、y、z估计
- 家庭应用：检测孩子是否在看电视，看了多久，距离多远，保护孩子用眼安全
- 驾驶监督应用：检测司机是否有疲劳驾驶风险（可以从脸部姿态做进一步估计）
- 自动驾驶：利用单目RGB图像进行深度距离估计，避免了使用激光雷达等高成本的距离估计
- 人脸识别：轻量化的人脸识别应用，后期可以将此功能引用于嵌入式设备，实现轻量化应用
文章图片
准备工作： 硬件准备：
win10系统， RGB摄像头
软件准备：
python3.7， Pycham（vs code或其他编译器）
构建环境：
conda create -n tv python=3.7tv表示要创建环境的名字，我这里用“tv”来代替环境名字
激活环境：
conda activate tv需要安装库：
conda install dlib
pip install opencv-contrib-python权重文件下载：
https://github.com/enpeizhao/CVprojects/releases/tag/Models
（恩培大佬github下载地址）
开始预测： 全部指令代码参数配置如下：
python demo.py --命令=参数-h, --help显示帮助
--mode MODE运行模式：collect,train,distance,run对应：采集、训练、评估距离、主程序
--label_id LABEL_ID采集照片标签id.
--img_count IMG_COUNT
采集照片数量
--img_interval IMG_INTERVAL
采集照片间隔时间
--display DISPLAY显示模式，取值1-5
--w W画面宽度
--h H画面高度这个小项目里边使用的是较为简单的opencv内置人脸识别算法，缺点就是精度可能有限，整体过程需要执行下面三个步骤：
1.采集图片
python demo.py --mode='collect' --label_id=1 --img_count=2 --img_interval=22.修改标签文件python demo.py --mode='collect' --label_id={人脸ID} --img_count={该ID采集照片数量，一般1-3张即可} --img_interval={照片采集间隔（秒）}；
【python学习|单目可见光视频三维深度估计（python实现）】在目录
./face_mode/label.txt下的label文件，里边的每行代表一个人，如1,**表示label_id=1的人脸叫**；3.训练模型
执行
python demo.py --mode='train'训练人脸识别模型，模型是对应的./face_model/model.yml权值文件！4.启动主程序
python demo.py --mode='run' --w={宽度} --{高度} --display={显示模式}，display取值对应：全部代码：
- 1：人脸框（人脸检测，识别label中有的人脸）
- 2：68个人脸关键点（关键点检测）
- 3：人脸梯形框框（三维深度估计）
- 4：人脸方向指针（主要就是利用角度的识别）
- 5：人脸三维坐标系（三维坐标系）
"""
借鉴恩培大佬源码！
主要功能：检测孩子是否在看电视，看了多久，距离多远
使用技术点：人脸检测、人脸识别（采集照片、训练、识别）、姿态估计
"""
import cv2,time
from pose_estimator import PoseEstimator
import numpy as np
import dlib
from utils import Utils
import os
from argparse import ArgumentParser
?
?
class MonitorBabay:
def __init__(self):
# 人脸检测
self.face_detector = dlib.get_frontal_face_detector()
# 人脸识别模型：pip uninstall opencv-python，pip install opencv-contrib-python
self.face_model = cv2.face.LBPHFaceRecognizer_create()
?
# 人脸68个关键点
self.landmark_predictor = dlib.shape_predictor("./assets/shape_predictor_68_face_landmarks.dat")
?
# 站在1.5M远处，左眼最左边距离右眼最右边的像素距离(请使用getEyePixelDist方法校准，然后修改这里的值)
self.eyeBaseDistance = 65
?
# pose_estimator.show_3d_model()
?
self.utils = Utils()
?
?
# 采集照片用于训练
# 参数
# label_index: label的索引
# save_interval：隔几秒存储照片
# save_num：存储总量
def collectFacesFromCamera(self,label_index,save_interval,save_num):
cap = cv2.VideoCapture(0)
?
width = cap.get(cv2.CAP_PROP_FRAME_WIDTH)
height = cap.get(cv2.CAP_PROP_FRAME_HEIGHT)
?
fpsTime = time.time()
last_save_time = fpsTime
saved_num = 0
while True:
_, frame = cap.read()
frame = cv2.flip(frame,1)
gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
?
faces = self.face_detector(gray)for face in faces:
?
if saved_num < save_num:
if (time.time() - last_save_time) > save_interval:
self.utils.save_face(face,frame,label_index)
saved_num +=1
last_save_time = time.time()
?
print('label_index:{index}，成功采集第{num}张照片'.format(index = label_index,num = saved_num))
else:
print('照片采集完毕！')
exit()
?
self.utils.draw_face_box(face,frame,'','','')
?
cTime = time.time()
fps_text = 1/(cTime-fpsTime)
fpsTime = cTimeframe = self.utils.cv2AddChineseText(frame, "帧率: " + str(int(fps_text)),(10, 30), textColor=(0, 255, 0), textSize=50)
frame = cv2.resize(frame, (int(width)//2, int(height)//2) )
cv2.imshow('Collect data', frame)
if cv2.waitKey(5) & 0xFF == 27:
break
cap.release()
?
?
# 训练人脸模型
def train(self):
print('训练开始！')
label_list,img_list = self.utils.getFacesLabels()
self.face_model.train(img_list, label_list)
self.face_model.save("./face_model/model.yml")
print('训练完毕！')?# 获取两个眼角像素距离
def getEyePixelDist(self):cap = cv2.VideoCapture(0)
?
width = cap.get(cv2.CAP_PROP_FRAME_WIDTH)
height = cap.get(cv2.CAP_PROP_FRAME_HEIGHT)
?
# 姿态估计
self.pose_estimator = PoseEstimator(img_size=(height, width))fpsTime = time.time()
?
while True:
_, frame = cap.read()
frame = cv2.flip(frame,1)
gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
?
faces = self.face_detector(gray)pixel_dist = 0
?
for face in faces:# 关键点
landmarks = self.landmark_predictor(gray, face)
image_points = self.pose_estimator.get_image_points(landmarks)
?
left_x = int(image_points[36][0])
left_y = int(image_points[36][1])
right_x = int(image_points[45][0])
right_y = int(image_points[45][1])
?
pixel_dist = abs(right_x-left_x)
?
cv2.circle(frame, (left_x, left_y), 8, (255, 0, 255), -1)
cv2.circle(frame, (right_x, right_y), 8, (255, 0, 255), -1)
?
# 人脸框
frame = self.utils.draw_face_box(face,frame,'','','')?
cTime = time.time()
fps_text = 1/(cTime-fpsTime)
fpsTime = cTimeframe = self.utils.cv2AddChineseText(frame, "帧率: " + str(int(fps_text)),(20, 30), textColor=(0, 255, 0), textSize=50)
frame = self.utils.cv2AddChineseText(frame, "像素距离: " + str(int(pixel_dist)),(20, 100), textColor=(0, 255, 0), textSize=50)# frame = cv2.resize(frame, (int(width)//2, int(height)//2) )
cv2.imshow('Baby wathching TV', frame)
if cv2.waitKey(5) & 0xFF == 27:
break
cap.release()
?
# 运行主程序
def run(self,w,h,display):
?
model_path = "./face_model/model.yml"
if not os.path.exists(model_path):
print('人脸识别模型文件不存在，请先采集训练')
exit()
?
label_zh = self.utils.loadLablZh()
?
self.face_model.read(model_path)
?
cap = cv2.VideoCapture(0)
?
width = w
height = h
?
print(width,height)
?
# 姿态估计
self.pose_estimator = PoseEstimator(img_size=(height, width))
?
fpsTime = time.time()
?
zh_name = ''
x_label = ''
z_label = ''
is_watch = ''
angles = [0, 0, 0]
person_distance = 0
watch_start_time = fpsTime
watch_duration = 0
?
# fps = 12
# videoWriter = cv2.VideoWriter('./record_video/out'+str(time.time())+'.mp4', cv2.VideoWriter_fourcc(*'H264'), fps, (width,height))
?
while True:
_, frame = cap.read()
frame = cv2.resize(frame,(width,height))
frame = cv2.flip(frame,1)
gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
?
faces = self.face_detector(gray)?
for face in faces:x1,y1,x2,y2 = self.utils.getFaceXY(face)
face_img = gray[y1:y2,x1:x2]
?
try:
# 人脸识别
idx, confidence = self.face_model.predict(face_img)
zh_name = label_zh[str(idx)]
except cv2.error:
print('cv2.error')
?
# 关键点
landmarks = self.landmark_predictor(gray, face)
# 计算旋转矢量
rotation_vector, translation_vector = self.pose_estimator.solve_pose_by_68_points(landmarks)
?
# 计算距离
person_distance = round(self.pose_estimator.get_distance(self.eyeBaseDistance),2)
?
?
# 计算角度
rmat, jac = cv2.Rodrigues(rotation_vector)
angles, mtxR, mtxQ, Qx, Qy, Qz = cv2.RQDecomp3x3(rmat)if angles[1] < -15:
x_label = '左'
elif angles[1] > 15:
x_label = '右'
else:
x_label = '前'
?
?
if angles[0] < -15:
z_label = "下"
elif angles[0] > 15:
z_label = "上"
else:
z_label = "中"
?
is_watch = '是' if( x_label =='前' and z_label == '中') else '否'
?
if is_watch == '是':
now = time.time()
watch_duration += ( now - watch_start_time)watch_start_time= time.time()if display == 1:
# 人脸框
frame = self.utils.draw_face_box(face,frame,zh_name,is_watch,person_distance)
if display == 2:
# 68个关键点
self.utils.draw_face_points(landmarks,frame)
if display == 3:
# 梯形方向
self.pose_estimator.draw_annotation_box(
frame, rotation_vector, translation_vector,is_watch)
if display == 4:
# 指针
self.pose_estimator.draw_pointer(frame, rotation_vector, translation_vector)
if display == 5:
# 三维坐标系
self.pose_estimator.draw_axes(frame, rotation_vector, translation_vector)
?
# 仅测试单人
break
?
cTime = time.time()
fps_text = 1/(cTime-fpsTime)
fpsTime = cTimeframe = self.utils.cv2AddChineseText(frame, "帧率: " + str(int(fps_text)),(20, 30), textColor=(0, 255, 0), textSize=50)
?
color = (255, 0, 255) if person_distance <=1 else (0, 255, 0)
?
frame = self.utils.cv2AddChineseText(frame, "距离: " + str(person_distance ) +"m",(20, 100), textColor=color, textSize=50)
?
color = (255, 0, 255) if is_watch =='是' else (0, 255, 0)
?
?
frame = self.utils.cv2AddChineseText(frame, "观看: " + str(is_watch ),(20, 170), textColor=color, textSize=50)
?
#
duration_str = str(round((watch_duration/60),2)) +"min"
?
frame = self.utils.cv2AddChineseText(frame, "时长: " + duration_str, (20, 240), textColor= (0, 255, 0), textSize=50)
?
?
?
color = (255, 0, 255) if x_label =='前' else (0, 255, 0)frame = self.utils.cv2AddChineseText(frame, "X轴: {degree}° {x_label} ".format(x_label=str(x_label ),degree = str(int(angles[1]))) ,(20, height-220), textColor=color, textSize=40)
?
color = (255, 0, 255) if z_label =='中' else (0, 255, 0)
?
frame = self.utils.cv2AddChineseText(frame, "Z轴: {degree}° {z_label}".format(z_label=str(z_label ),degree = str(int(angles[0]))) ,(20, height-160), textColor=color, textSize=40)
?
?
frame = self.utils.cv2AddChineseText(frame, "Y轴: {degree}°".format(degree = str(int(angles[2]) )),(20, height-100), textColor=(0, 255, 0), textSize=40)
?
?
# videoWriter.write(frame)
# frame = cv2.resize(frame, (int(width)//2, int(height)//2) )
cv2.imshow('Baby wathching TV', frame)
if cv2.waitKey(5) & 0xFF == 27:
break
cap.release()
?
m = MonitorBabay()
?
?
# 参数设置
parser = ArgumentParser()
parser.add_argument("--mode", type=str, default='run',
help="运行模式：collect,train,distance,run对应：采集、训练、评估距离、主程序")
parser.add_argument("--label_id", type=int, default=1,
help="采集照片标签id.")
parser.add_argument("--img_count", type=int, default=3,
help="采集照片数量")
parser.add_argument("--img_interval", type=int, default=3,
help="采集照片间隔时间")parser.add_argument("--display", type=int, default=1,
help="显示模式，取值1-5")parser.add_argument("--w", type=int, default=960,
help="画面宽度")
parser.add_argument("--h", type=int, default=720,
help="画面高度")
args = parser.parse_args()
?
?
mode = args.mode
?
if mode == 'collect':
print("即将采集照片.")
if args.label_id and args.img_count and args.img_interval:
m.collectFacesFromCamera(args.label_id,args.img_interval,args.img_count)
?
ifmode == 'train':
m.train()
?
ifmode == 'distance':
m.getEyePixelDist()
?
if mode == 'run':
m.run(args.w,args.h,args.display)END~
推荐阅读
- 姿态估计|人体姿态估计综述
- OpenCV专题|OpenCV用于人脸检测
- python杂记|python如何执行js代码，学会这两个库就够了
- 硬泡|解锁前端密码框常见功能做法
- 硬泡|javascript 内置对象Date总结及案例
- 硬泡|四行js代码让别人无法复制你的网站文字，八行程序员都哭了
- 硬泡|前端实现动态生成表格，是蒸的C
- react.js|props基本使用React
- javascript|JavaScript理论题(一)