OpenCV实现人脸对齐

小白学视觉

共 2706字,需浏览 6分钟

 ·

2021-12-01 13:48

点击上方小白学视觉”,选择加"星标"或“置顶

重磅干货,第一时间送达

一、人脸对齐介绍

在人脸识别中有一个重要的预处理步骤-人脸对齐,该操作可以大幅度提高人脸识别的准确率与稳定性,但是早期的OpenCV版本不支持人脸Landmark检测,因此一般都是通过对人脸进行分割,然后通过角点检测来寻找眼睛两个角点,连线之后根据它们有水平线的角度,旋转实现人脸对齐之后在提取人脸区域,OpenCV3.x版本开始支持获取Landmark数据,最常见的Landmark数据就是人脸的68个标准点位,图示如下:

实现对齐主要是基于眼睛的位置,对人脸倾斜进行几何变换,实现人脸对齐操作,人脸对齐对提高人脸识别率特别重要,常见的人脸识别系统都会包含人脸对齐操作,举例如下:

二、人脸对齐代码实现

基于OpenCV实现人脸对齐主要分为如下几步

1.人脸检测器定义与Landmark检测

OpenCV中通过HAAR或者LBP特征实现了人脸检测,最新的OpenCV3.4基于残差网络也实现了人脸检测,相关的文章可以阅读: 

OpenCV基于残差网络实现人脸检测

详解LBP特征与应用(人脸识别)

 有了人脸之后,我们就可以通过加载预训练的Landmark检测模型,实现Landmark检测,这里使用的模型是局部二值特征(LBF-Local Binary Feature)实现人脸68个点位的检测,这个也是2014年CVPR的一篇论文。最新的OpenCV3.4 Landmark检测器支持自定义人脸检测器设置,所以只要把我们上面的HAAR/LBP/残差人脸检测器设置过去就会自动检测人脸,然后发现Landmark数据。整个代码实现如下:

  1. // 创建LBF landmark 检测器

  2. Ptr<FacemarkLBF> facemark = FacemarkLBF::create(params);

  3. facemark->setFaceDetector((FN_FaceDetector)myDetector, &face_cascade);

  4. // 加载模型数据

  5. facemark->loadModel("D:/vcprojects/images/lbfmodel.yaml");

  6. cout << "Loaded model" << endl;

  7. // 开始检测

  8. printf("start to detect landmarks...\n");

  9. vector<Rect> faces;

  10. facemark->getFaces(img, faces);

  11. vector< vector<Point2f> > shapes;

  12. if (facemark->fit(img, faces, shapes))

  13. {

  14.    Point eye_left; // 36th

  15.    Point eye_right; // 45th

  16.    for (unsigned long i = 0; i

  17.        eye_left = shapes[i][36];

  18.        eye_right = shapes[i][45];

  19.        line(img, eye_left, eye_right, Scalar(255, 0, 0), 2, 8, 0);

  20.        face_alignment(img(faces[i]), eye_left, eye_right, faces[i]);

  21.        // 绘制人脸矩形区域

  22.        rectangle(img, faces[i], Scalar(255, 0, 0));

  23.        // 绘制人脸68个 landmark点位

  24.        for (unsigned long k = 0; k

  25.            cv::circle(img, shapes[i][k], 2, cv::Scalar(0, 0, 255), FILLED);

  26.    }

  27.    namedWindow("Detected_shape");

  28.    imshow("Detected_shape", img);

  29.    waitKey(0);

  30. }

2.Landmark数据处理

对Landmark数据提取获得眼睛位置坐标,这里我们获取的是36与45两个点坐标计算角度(参照第一张图),然后通过几何变换实现人脸对齐操作。代码如下:

  1. int offsetx = roi.x;

  2. int offsety = roi.y;

  3. // 计算中心位置

  4. int cx = roi.width / 2;

  5. int cy = roi.height / 2;

  6. // 计算角度

  7. int dx = right.x - left.x;

  8. int dy = right.y - left.y;

  9. double degree = 180 * ((atan2(dy, dx)) / CV_PI);

  10. // 旋转矩阵计算

  11. Mat M = getRotationMatrix2D(Point2f(cx, cy), degree, 1.0);

  12. Point2f center(cx, cy);

  13. Rect bbox = RotatedRect(center, face.size(), degree).boundingRect();

  14. M.at(0, 2) += (bbox.width / 2.0 - center.x);

  15. M.at(1, 2) += (bbox.height / 2.0 - center.y);

  16. // 对齐

  17. Mat result;

  18. warpAffine(face, result, M, bbox.size());

  19. imshow("face-alignment", result);

3.运行效果

完整的程序代码如下:

  1. #include

  2. #include

  3. #include

  4. #include

  5. using namespace cv;

  6. using namespace cv::face;

  7. using namespace std;

  8. const String  lbpfilePath = "D:/opencv-3.4/opencv/build/etc/lbpcascades/lbpcascade_frontalface.xml";

  9. bool myDetector(InputArray image, OutputArray faces, CascadeClassifier *face_cascade);

  10. void face_alignment(Mat &face, Point left, Point right, Rect roi);

  11. int main(int argc, char** argv) {

  12.    Mat img = imread("D:/vcprojects/images/gaoyy.png");

  13.    namedWindow("input", CV_WINDOW_AUTOSIZE);

  14.    imshow("input", img);

  15.    CascadeClassifier face_cascade;

  16.    face_cascade.load(lbpfilePath);

  17.    FacemarkLBF::Params params;

  18.    params.n_landmarks = 68; // 68个标注点

  19.    params.initShape_n = 10;

  20.    params.stages_n = 5; // 算法的5个强化步骤

  21.    params.tree_n = 6; // 模型中每个标注点结构树 数目

  22.    params.tree_depth = 5; // 决策树深度

  23.    // 创建LBF landmark 检测器

  24.    Ptr<FacemarkLBF> facemark = FacemarkLBF::create(params);

  25.    facemark->setFaceDetector((FN_FaceDetector)myDetector, &face_cascade);

  26.    // 加载模型数据

  27.    facemark->loadModel("D:/vcprojects/images/lbfmodel.yaml");

  28.    cout << "Loaded model" << endl;

  29.    // 开始检测

  30.    printf("start to detect landmarks...\n");

  31.    vector<Rect> faces;

  32.    facemark->getFaces(img, faces);

  33.    vector< vector<Point2f> > shapes;

  34.    if (facemark->fit(img, faces, shapes))

  35.    {

  36.        Point eye_left; // 36th

  37.        Point eye_right; // 45th

  38.        for (unsigned long i = 0; i

  39.            eye_left = shapes[i][36];

  40.            eye_right = shapes[i][45];

  41.            line(img, eye_left, eye_right, Scalar(255, 0, 0), 2, 8, 0);

  42.            face_alignment(img(faces[i]), eye_left, eye_right, faces[i]);

  43.            // 绘制人脸矩形区域

  44.            rectangle(img, faces[i], Scalar(255, 0, 0));

  45.            // 绘制人脸68个 landmark点位

  46.            for (unsigned long k = 0; k

  47.                cv::circle(img, shapes[i][k], 2, cv::Scalar(0, 0, 255), FILLED);

  48.        }

  49.        namedWindow("Detected_shape");

  50.        imshow("Detected_shape", img);

  51.        waitKey(0);

  52.    }

  53.    return 0;

  54. }

  55. bool myDetector(InputArray image, OutputArray faces, CascadeClassifier *face_cascade)

  56. {

  57.    Mat gray;

  58.    if (image.channels() > 1)

  59.        cvtColor(image, gray, COLOR_BGR2GRAY);

  60.    else

  61.        gray = image.getMat().clone();

  62.    equalizeHist(gray, gray);

  63.    std::vector<Rect> faces_;

  64.    face_cascade->detectMultiScale(gray, faces_, 1.1, 1, CASCADE_SCALE_IMAGE, Size(50, 50));

  65.    Mat(faces_).copyTo(faces);

  66.    return true;

  67. }

  68. void face_alignment(Mat &face, Point left, Point right, Rect roi) {

  69.    int offsetx = roi.x;

  70.    int offsety = roi.y;

  71.    // 计算中心位置

  72.    int cx = roi.width / 2;

  73.    int cy = roi.height / 2;

  74.    // 计算角度

  75.    int dx = right.x - left.x;

  76.    int dy = right.y - left.y;

  77.    double degree = 180 * ((atan2(dy, dx)) / CV_PI);

  78.    // 旋转矩阵计算

  79.    Mat M = getRotationMatrix2D(Point2f(cx, cy), degree, 1.0);

  80.    Point2f center(cx, cy);

  81.    Rect bbox = RotatedRect(center, face.size(), degree).boundingRect();

  82.    M.at(0, 2) += (bbox.width / 2.0 - center.x);

  83.    M.at(1, 2) += (bbox.height / 2.0 - center.y);

  84.    // 对齐

  85.    Mat result;

  86.    warpAffine(face, result, M, bbox.size());

  87.    imshow("face-alignment", result);

  88. }



下载1:OpenCV-Contrib扩展模块中文版教程
在「小白学视觉」公众号后台回复:扩展模块中文教程即可下载全网第一份OpenCV扩展模块教程中文版,涵盖扩展模块安装、SFM算法、立体视觉、目标跟踪、生物视觉、超分辨率处理等二十多章内容。

下载2:Python视觉实战项目52讲
小白学视觉公众号后台回复:Python视觉实战项目即可下载包括图像分割、口罩检测、车道线检测、车辆计数、添加眼线、车牌识别、字符识别、情绪检测、文本内容提取、面部识别等31个视觉实战项目,助力快速学校计算机视觉。

下载3:OpenCV实战项目20讲
小白学视觉公众号后台回复:OpenCV实战项目20讲即可下载含有20个基于OpenCV实现20个实战项目,实现OpenCV学习进阶。

交流群


欢迎加入公众号读者群一起和同行交流,目前有SLAM、三维视觉、传感器自动驾驶、计算摄影、检测、分割、识别、医学影像、GAN算法竞赛等微信群(以后会逐渐细分),请扫描下面微信号加群,备注:”昵称+学校/公司+研究方向“,例如:”张三 + 上海交大 + 视觉SLAM“。请按照格式备注,否则不予通过。添加成功后会根据研究方向邀请进入相关微信群。请勿在群内发送广告,否则会请出群,谢谢理解~


浏览 49
点赞
评论
收藏
分享

手机扫一扫分享

分享
举报
评论
图片
表情
推荐
点赞
评论
收藏
分享

手机扫一扫分享

分享
举报