Обнаружение ориентиров лица с помощью dlib

У меня есть следующий код:

image_1 = cv2.imread('headshot13-14-2.jpg')
image_1_rgb = cv2.cvtColor(image_1, cv2.COLOR_BGR2RGB)
image_1_gray = cv2.cvtColor(image_1_rgb, cv2.COLOR_BGR2GRAY)
p = "shape_predictor_68_face_landmarks.dat"
detector = dlib.get_frontal_face_detector()
predictor = dlib.shape_predictor(p)

face = detector(image_1_gray)
face_landmarks = predictor(image_1_gray, face)

И я получаю следующую ошибку для строки face = predictor(image_1_gray, face):

TypeError: __call__(): incompatible function arguments. The following argument types are supported:
    1. (self: dlib.shape_predictor, image: array, box: dlib.rectangle) -> dlib.full_object_detection

Однако я проверил тип лица (это dlib.rectangles), а image_1_gray — это пустой ndarray. Кто-нибудь знает, почему эта ошибка все еще появляется?

Почему в Python есть оператор "pass"?
Почему в Python есть оператор "pass"?
Оператор pass в Python - это простая концепция, которую могут быстро освоить даже новички без опыта программирования.
Некоторые методы, о которых вы не знали, что они существуют в Python
Некоторые методы, о которых вы не знали, что они существуют в Python
Python - самый известный и самый простой в изучении язык в наши дни. Имея широкий спектр применения в области машинного обучения, Data Science,...
Основы Python Часть I
Основы Python Часть I
Вы когда-нибудь задумывались, почему в программах на Python вы видите приведенный ниже код?
LeetCode - 1579. Удаление максимального числа ребер для сохранения полной проходимости графа
LeetCode - 1579. Удаление максимального числа ребер для сохранения полной проходимости графа
Алиса и Боб имеют неориентированный граф из n узлов и трех типов ребер:
Оптимизация кода с помощью тернарного оператора Python
Оптимизация кода с помощью тернарного оператора Python
И последнее, что мы хотели бы показать вам, прежде чем двигаться дальше, это
Советы по эффективной веб-разработке с помощью Python
Советы по эффективной веб-разработке с помощью Python
Как веб-разработчик, Python может стать мощным инструментом для создания эффективных и масштабируемых веб-приложений.
0
0
1 071
1
Перейти к ответу Данный вопрос помечен как решенный

Ответы 1

Ответ принят как подходящий

Переменная face может содержать несколько значений, поэтому вам нужно использовать predictor для каждого значения.

Например:

for (i, rect) in enumerate(face):
    face_landmarks = predictor(image_1_gray, rect)

Чтобы отобразить обнаруженные значения на лице:

shp = face_utils.shape_to_np(face_landmarks)

Чтобы использовать face_utils, вам необходимо установить imutils.

Скорее всего, ваш shp переменный размер равен (68, 2). Где 68 — обнаруженные точки на лице, а 2 — кортежи (x, y) координат.

Теперь, чтобы нарисовать обнаруженное лицо на изображении:

  • Во-первых, получить координаты

    • x = rect.left()
      y = rect.top()
      w = rect.right() - x
      h = rect.bottom() - y
      
  • Нарисуйте координаты:

    • cv2.rectangle(image_1, (x, y), (x + w, y + h), (0, 255, 0), 2)
      
  • На изображении может быть несколько лиц, поэтому вы можете пометить их

    • cv2.putText(image_1, "Face #{}".format(i + 1), (x - 10, y - 10),
                  cv2.FONT_HERSHEY_SIMPLEX, 0.5, (0, 255, 0), 2)
      
  • Теперь нарисуйте 68 точек на лице:

    • for (x, y) in shp:
          cv2.circle(image_1, (x, y), 1, (0, 0, 255), -1)
      

Результат:

Код:


for (i, rect) in enumerate(face):
    face_landmarks = predictor(image_1_gray, rect)
    shp = face_utils.shape_to_np(face_landmarks)
    x = rect.left()
    y = rect.top()
    w = rect.right() - x
    h = rect.bottom() - y
    cv2.rectangle(image_1, (x, y), (x + w, y + h), (0, 255, 0), 2)
    cv2.putText(image_1, "Face #{}".format(i + 1), (x - 10, y - 10),
                cv2.FONT_HERSHEY_SIMPLEX, 0.5, (0, 255, 0), 2)
    for (x, y) in shp:
        cv2.circle(image_1, (x, y), 1, (0, 0, 255), -1)

cv2.imshow("face", image_1)
cv2.waitKey(0)

Вы также можете посмотреть туториал

Другие вопросы по теме