免费人脸识别软件人脸识别软件app推荐( 二 ) _经验知识

结果如下图所示。准确找到了人脸位置。并绘制识别框。右侧打印识别框和关键点信息。

文章插图

文章插图
4. 编辑识别框。保存人脸位置信息在这里我更加关注识别框的位置位置。不太关心关键点的坐标信息。因此接下来我们单独绘制识别框。并把每一帧图像的人脸概率显示出来。如果有同学更关注人脸关键点。可以使用mediapipe的人脸网状检测。能得到的关键点非常多。这个我在后续章节也会写。
因此。接下来我们在上面代码的基础上继续补充。detection.location_data.relative_bounding_box 获取检测框的左上角坐标和检测框的宽高。保保存在bbox中。如下我们可以看到识别框的信息都是归一化之后的。需要将其转换为像素坐标。
IN[21]:detection.location_data.relative_bounding_boxOut[21]:xmin:0.6636191606521606ymin:0.16451001167297363width:0.1620280146598816height:0.28804928064346313
转换方法也很简单。只需要将比例长度x和w乘以实际图像宽度即可得到像素长度下的x和w 。同理y和h 。注意。像素长度一定是整数。如[200,200] 。比例长度是小数。如[0.5, 0.5]
使用自定义矩形绘制函数cv2.rectangle() 。现在有了像素坐标下的左上坐标xy 。框的宽w和高h 。就可以在原图像img上把框绘制出来。
detection.score 获取检测框的人脸概率值。返回只有一个元素的列表。detection.score[0] 提取这个元素。返回浮点型数值。
#导入人脸识别模块mpFace=mp.solutions.face_detection#导入绘图模块mpDraw=mp.solutions.drawing_utils#自定义人脸识别方法。最小的人脸检测置信度0.5faceDetection=mpFace.FaceDetection(min_detection_confidence=0.5)#（1）导入视频filepath='C:\GameDownload\DeepLearning\face.mp4'cap=cv2.VideoCapture(filepath)pTime=0#记录每帧图像处理的起始时间boxlist=[]#保存每帧图像每个框的信息#（2）处理每一帧图像whileTrue:#每次取出一帧图像。返回是否读取成功(True/False) 。以及读取的图像数据success,img=cap.read()#将opencv导入的BGR图像转为RGB图像imgRGB=cv2.cvtColor(img,cv2.COLOR_BGR2RGB)#将每一帧图像传给人脸识别模块results=faceDetection.process(imgRGB)#如果检测不到人脸那就返回Noneifresults.detections:#返回人脸索引index(第几张脸) 。和关键点的坐标信息forindex,detectioninenumerate(results.detections):#遍历每一帧图像并打印结果#print(index,detection)#每帧图像返回一次是人脸的几率。以及识别框的xywh 。后续返回关键点的xy坐标print(detection.score)#是人脸的的可能性print(detection.location_data.relative_bounding_box)#识别框的xywh#设置一个边界框。接收所有的框的xywh及关键点信息bboxC=detection.location_data.relative_bounding_box#接收每一帧图像的宽、高、通道数ih,iw,ic=img.shape#将边界框的坐标点从比例坐标转换成像素坐标#将边界框的宽和高从比例长度转换为像素长度bbox=(int(bboxC.xmin*iw),int(bboxC.ymin*ih),int(bboxC.width*iw),int(bboxC.height*ih))#有了识别框的xywh就可以在每一帧图像上把框画出来cv2.rectangle(img,bbox,(255,0,0),5)#自定义绘制函数。不适用官方的mpDraw.draw_detection#把人脸的概率显示在检测框上,img画板。概率值*100保留两位小数变成百分数。再变成字符串cv2.putText(img,f'{str(round(detection.score[0]*100,2))}%',(bbox[0],bbox[1]-20),#文本显示的位置。-20是为了不和框重合cv2.FONT_HERSHEY_PLAIN,#文本字体类型2,(0,0,255),2)#字体大小;字体颜色;线条粗细#保存索引。人脸概率。识别框的x/y/w/hboxlist.append([index,detection.score,bbox])#记录每帧图像处理所花的时间cTime=time.time()fps=1/(cTime-pTime)#计算fps值pTime=cTime#更新每张图像处理的初始时间#把fps值显示在图像上,img画板;fps变成字符串;显示的位置;设置字体;字体大小;字体颜色;线条粗细cv2.putText(img,f'FPS:{str(int(fps))}',(10,50),cv2.FONT_HERSHEY_PLAIN,3,(0,255,0),3)#显示图像。输入窗口名及图像数据cv2.imshow('image',img)ifcv2.waitKey(50)&0xFF==27:#每帧滞留50毫秒后消失。ESC键退出break#释放视频资源cap.release()cv2.destroyAllWindows()
结果如下图所示。右侧输出每帧图像的每个识别框的概率和框坐标