用Python获取摄像头并实时控制人脸的实现示例

Python  /  管理员 发布于 7年前   422

实现流程

从摄像头获取视频流，并转换为一帧一帧的图像，然后将图像信息传递给opencv这个工具库处理，返回灰度图像（就像你使用本地静态图片一样）

程序启动后，根据监听器信息，使用一个while循环，不断的加载视频图像，然后返回给opencv工具呈现图像信息。

创建一个键盘事件监听，按下"d"键，则开始执行面部匹配，并进行面具加载（这个过程是动态的，你可以随时移动）。

面部匹配使用Dlib中的人脸检测算法来查看是否有人脸存在。如果有，它将为每个人脸创建一个结束位置，眼镜和烟卷会移动到那里结束。

然后我们需要缩放和旋转我们的眼镜以适合每个人的脸。我们将使用从Dlib的68点模型返回的点集来找到眼睛和嘴巴的中心，并为它们之间的空间旋转。

在我们实时获取眼镜和烟卷的最终位置后，眼镜和烟卷从屏幕顶部进入，开始匹配你的眼镜和嘴巴。

假如没有人脸，程序会直接返回你的视频信息，不会有面具移动的效果。

默认一个周期是4秒钟。然后你可以通过"d"键再次检测。

程序退出使用"q"键。

这里我将这个功能抽象成一个面具加载服务，请跟随我的代码一窥究竟吧。

1.导入对应的工具包

from time import sleepimport cv2import numpy as npfrom PIL import Imagefrom imutils import face_utils, resizetry:  from dlib import get_frontal_face_detector, shape_predictorexcept ImportError:  raise

创建面具加载服务类DynamicStreamMaskService及其对应的初始化属性: 

class DynamicStreamMaskService(object):  """  动态黏贴面具服务  """  def __init__(self, saved=False):    self.saved = saved # 是否保存图片    self.listener = True # 启动参数    self.video_capture = cv2.VideoCapture(0) # 调用本地摄像头    self.doing = False # 是否进行面部面具    self.speed = 0.1 # 面具移动速度    self.detector = get_frontal_face_detector() # 面部识别器    self.predictor = shape_predictor("shape_predictor_68_face_landmarks.dat") # 面部分析器    self.fps = 4 # 面具存在时间基础时间    self.animation_time = 0 # 动画周期初始值    self.duration = self.fps * 4 # 动画周期最大值    self.fixed_time = 4 # 画图之后，停留时间    self.max_width = 500 # 图像大小    self.deal, self.text, self.cigarette = None, None, None # 面具对象

按照上面介绍，我们先实现读取视频流转换图片的函数： 

def read_data(self):  """  从摄像头获取视频流，并转换为一帧一帧的图像  :return: 返回一帧一帧的图像信息  """  _, data = self.video_capture.read()  return data

接下来我们实现人脸定位函数，及眼镜和烟卷的定位: 

def get_glasses_info(self, face_shape, face_width):  """  获取当前面部的眼镜信息  :param face_shape:  :param face_width:  :return:  """  left_eye = face_shape[36:42]  right_eye = face_shape[42:48]  left_eye_center = left_eye.mean(axis=0).astype("int")  right_eye_center = right_eye.mean(axis=0).astype("int")  y = left_eye_center[1] - right_eye_center[1]  x = left_eye_center[0] - right_eye_center[0]  eye_angle = np.rad2deg(np.arctan2(y, x))  deal = self.deal.resize(    (face_width, int(face_width * self.deal.size[1] / self.deal.size[0])),    resample=Image.LANCZOS)  deal = deal.rotate(eye_angle, expand=True)  deal = deal.transpose(Image.FLIP_TOP_BOTTOM)  left_eye_x = left_eye[0, 0] - face_width // 4  left_eye_y = left_eye[0, 1] - face_width // 6  return {"image": deal, "pos": (left_eye_x, left_eye_y)}def get_cigarette_info(self, face_shape, face_width):  """  获取当前面部的烟卷信息  :param face_shape:  :param face_width:  :return:  """  mouth = face_shape[49:68]  mouth_center = mouth.mean(axis=0).astype("int")  cigarette = self.cigarette.resize(    (face_width, int(face_width * self.cigarette.size[1] / self.cigarette.size[0])),    resample=Image.LANCZOS)  x = mouth[0, 0] - face_width + int(16 * face_width / self.cigarette.size[0])  y = mouth_center[1]  return {"image": cigarette, "pos": (x, y)}def orientation(self, rects, img_gray):  """  人脸定位  :return:  """  faces = []  for rect in rects:    face = {}    face_shades_width = rect.right() - rect.left()    predictor_shape = self.predictor(img_gray, rect)    face_shape = face_utils.shape_to_np(predictor_shape)    face['cigarette'] = self.get_cigarette_info(face_shape, face_shades_width)    face['glasses'] = self.get_glasses_info(face_shape, face_shades_width)    faces.append(face)  return faces

刚才我们提到了键盘监听事件，这里我们实现一下这个函数： 

def listener_keys(self):  """  设置键盘监听事件  :return:  """  key = cv2.waitKey(1) & 0xFF  if key == ord("q"):    self.listener = False    self.console("程序退出")    sleep(1)    self.exit()  if key == ord("d"):    self.doing = not self.doing

接下来我们来实现加载面具信息的函数： 

def init_mask(self):  """  加载面具  :return:  """  self.console("加载面具...")  self.deal, self.text, self.cigarette = (    Image.open(x) for x in ["images/deals.png", "images/text.png", "images/cigarette.png"]  )

上面基本的功能都实现了，我们该实现画图函数了，这个函数原理和之前我写的那篇用AI人脸识别技术实现抖音特效实现是一样的，这里我就不赘述了，可以去github或Python中文社区微信公众号查看。

def drawing(self, draw_img, faces):  """  画图  :param draw_img:  :param faces:  :return:  """  for face in faces:    if self.animation_time < self.duration - self.fixed_time:      current_x = int(face["glasses"]["pos"][0])      current_y = int(face["glasses"]["pos"][1] * self.animation_time / (self.duration - self.fixed_time))      draw_img.paste(face["glasses"]["image"], (current_x, current_y), face["glasses"]["image"])      cigarette_x = int(face["cigarette"]["pos"][0])      cigarette_y = int(face["cigarette"]["pos"][1] * self.animation_time / (self.duration - self.fixed_time))      draw_img.paste(face["cigarette"]["image"], (cigarette_x, cigarette_y),  face["cigarette"]["image"])    else:      draw_img.paste(face["glasses"]["image"], face["glasses"]["pos"], face["glasses"]["image"])      draw_img.paste(face["cigarette"]["image"], face["cigarette"]["pos"], face["cigarette"]["image"])      draw_img.paste(self.text, (75, draw_img.height // 2 + 128), self.text)

既然是一个服务类，那该有启动与退出函数吧，最后我们来写一下吧。

简单介绍一下这个start()函数, 启动后根据初始化监听信息，不断监听视频流，并将流信息通过opencv转换成图像展示出来。
并且调用按键监听函数，不断的监听你是否按下"d"键进行面具加载，如果监听成功，则进行图像人脸检测，并移动面具，
并持续一个周期的时间结束，面具此时会根据你的面部移动而移动。最终呈现文章顶部图片的效果.

def start(self):  """  启动程序  :return:  """  self.console("程序启动成功.")  self.init_mask()  while self.listener:    frame = self.read_data()    frame = resize(frame, width=self.max_width)    img_gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)    rects = self.detector(img_gray, 0)    faces = self.orientation(rects, img_gray)    draw_img = Image.fromarray(cv2.cvtColor(frame, cv2.COLOR_BGR2RGB))    if self.doing:      self.drawing(draw_img, faces)      self.animation_time += self.speed      self.save_data(draw_img)      if self.animation_time > self.duration:        self.doing = False        self.animation_time = 0      else:        frame = cv2.cvtColor(np.asarray(draw_img), cv2.COLOR_RGB2BGR)    cv2.imshow("hello mask", frame)    self.listener_keys()def exit(self):  """  程序退出  :return:  """  self.video_capture.release()  cv2.destroyAllWindows()

最后，让我们试试：

if __name__ == '__main__':  ms = DynamicStreamMaskService()  ms.start()

以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持。