人脸检测

裴来凡

发布于 2022-05-29 09:39:33

2.3K0

发布于 2022-05-29 09:39:33

from mtcnn.mtcnn import MTCNN
import cv2
img=cv2.imread("C:/Users/xpp/Desktop/Lena.png")#读取图像
detector=MTCNN()
face_list=detector.detect_faces(img)#人脸检测与对齐
for face in face_list:
    box=face["box"]
    confidence=face["confidence"]
    keypoints=face["keypoints"]  
    #边界框
    x,y,w,h=box
    cv2.rectangle(img,(x,y),(x+w,y+h),(0,255,0),2)    
    #置信度
    cv2.putText(img,str(round(confidence,4)),(x,y-10),0,0.5,(255,0,0))    
    #关键点
    cv2.circle(img,keypoints["left_eye"],1,(0,0,255),2)
    cv2.circle(img,keypoints["right_eye"],1,(0,0,255),2)
    cv2.circle(img,keypoints["nose"],1,(0,0,255),2)
    cv2.circle(img,keypoints["mouth_left"],1,(0,0,255),2)
    cv2.circle(img,keypoints["mouth_right"],1,(0,0,255),2)
cv2.imwrite("C:/Users/xpp/Desktop/result.png",img)

算法：人脸检测是将人脸区域检测与人脸关键点检测放在了一起，它的主题框架类似于cascade。总体可分为P-Net、R-Net、和O-Net三层网络结构。

P-Net：Proposal Net，实现人脸候选框提取
R-Net：Refine Net，在P-Net输出结果的基础上进一步去除错误的候选框
O-Net：Output Net，与R-Net类似，最终输出人脸bounding box以及landmark

文献：Zhang, K. , Zhang, Z. , Li, Z. , & Qiao, Y. . (2016). Joint face detection and alignment using multitask cascaded convolutional networks. IEEE Signal Processing Letters, 23(10), 1499-1503.

链接：https://pypi.org/project/mtcnn/

本文参与腾讯云自媒体同步曝光计划，分享自微信公众号。

原始发表：2021-10-15，如有侵权请联系 cloudcommunity@tencent.com 删除

processing