有经验的扬中网站建设,襄樊网站开发,网站开发可行性报告,微信公众平台网站开发实现流程
从摄像头获取视频流#xff0c;并转换为一帧一帧的图像#xff0c;然后将图像信息传递给opencv这个工具库处理#xff0c;返回灰度图像#xff08;就像你使用本地静态图片一样#xff09;
程序启动后#xff0c;根据监听器信息#xff0c;使用一个while循环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 sleep
import cv2
import numpy as np
from PIL import Image
from imutils import face_utils, resize
try:
from dlib import get_frontal_face_detector, shape_predictor
except 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, savedFalse):
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(axis0).astype(int)
right_eye_center right_eye.mean(axis0).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])),
resampleImage.LANCZOS)
deal deal.rotate(eye_angle, expandTrue)
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(axis0).astype(int)
cigarette self.cigarette.resize(
(face_width, int(face_width * self.cigarette.size[1] / self.cigarette.size[0])),
resampleImage.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, widthself.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.speedself.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脚本之家。
