基于Opencv和MTCNN检测人脸五个关键点进行仿射变换人脸对齐算法_人脸对齐

仿射变换

5星 · 超过95%的资源 40 浏览量更新于2023-03-03 评论 7 收藏 189KB PDF 举报

身份认证购VIP最低享 7 折!

领优惠券(最高得80元）

资源详情

资源评论

资源推荐

基于基于Opencv和和MTCNN检测人脸五个关键点进行仿射变换人脸对齐算法检测人脸五个关键点进行仿射变换人脸对齐算法

最近需要做人脸对齐的算法，通俗理解就是将图片人人脸姿态不太正确的给矫正过来，所以写了python版本的人脸对齐算法。基本原理是先通过MTCNN检测到人脸的五个关

键点，再把原图中人脸区域外扩100%（这样做的目的是保证对齐后图片中没有黑色区域，当然这个外扩的比例是看对齐效果自己可以调节的，我这里设置的100%）。最后

的人脸对齐尺寸分为两种：112X96尺寸和112X112尺寸，其中首先需要定死仿射变换后人脸在目标图上的坐标，然后直接变换。废话不多说，直接手撕代码。

# 该代码实现利用人脸的五点仿射变换实现人脸对齐

# 具体就是首先使用mtcnn检测算法检测出人脸区域，并得到lanmarks关键点坐标和检测框坐标

# 之后对人脸区域外扩60%，然后对该外扩后的区域重新得到关键点，进行五点仿射变换得到即可。

# 参考链接：https://blog.csdn.net/oTengYue/article/details/79278572

# _*_ coding:utf-8 _*_

import os

import cv2

import numpy

import logging

import tensorflow as tf

from detection.mtcnn import detect_face

logging.basicConfig(

level=logging.DEBUG,

format='%(asctime)s %(levelname)s: %(message)s',

datefmt='%Y-%m-%d %H:%M:%S'

)

logger = logging.getLogger(__name__)

# 最终的人脸对齐图像尺寸分为两种：112x96和112x112，并分别对应结果图像中的两组仿射变换目标点,如下所示

imgSize1 = [112,96] imgSize2 = [112,112] coord5point1 = [[30.2946, 51.6963], # 112x96的目标点

[65.5318, 51.6963],

[48.0252, 71.7366],

[33.5493, 92.3655],

[62.7299, 92.3655]] coord5point2 = [[30.2946+8.0000, 51.6963], # 112x112的目标点

[65.5318+8.0000, 51.6963],

[48.0252+8.0000, 71.7366],

[33.5493+8.0000, 92.3655],

[62.7299+8.0000, 92.3655]]

def transformation_from_points(points1, points2):

points1 = points1.astype(numpy.float64)

points2 = points2.astype(numpy.float64)

c1 = numpy.mean(points1, axis=0)

c2 = numpy.mean(points2, axis=0)

points1 -= c1

points2 -= c2

s1 = numpy.std(points1)

s2 = numpy.std(points2)

points1 /= s1

points2 /= s2

U, S, Vt = numpy.linalg.svd(points1.T * points2)

R = (U * Vt).T

return numpy.vstack([numpy.hstack(((s2 / s1) * R,c2.T - (s2 / s1) * R * c1.T)),numpy.matrix([0., 0., 1.])])

def warp_im(img_im, orgi_landmarks,tar_landmarks):

pts1 = numpy.float64(numpy.matrix([[point[0], point[1]] for point in orgi_landmarks]))

pts2 = numpy.float64(numpy.matrix([[point[0], point[1]] for point in tar_landmarks]))

M = transformation_from_points(pts1, pts2)

dst = cv2.warpAffine(img_im, M[:2], (img_im.shape[1], img_im.shape[0]))

return dst

def main():

# 对一个路径下的所有图片进行两种方式对齐，并保存

pic_path = 'C:\Users\pfm\Desktop\test_image\'

#加载mtcnn参数

with tf.Graph().as_default():

sess = tf.Session()

pnet, rnet, onet = detect_face.create_mtcnn(sess, None)

minsize = 50 # minimum size of face

threshold = [0.6, 0.7, 0.7] # three steps's threshold

factor = 0.709 # scale factor

# Size Parameter

lower_threshold = 100

upper_threshold = 200

pic_name_list = os.listdir(pic_path)

for every_pic_name in pic_name_list:

img_im = cv2.imread(pic_path + every_pic_name)

#关键点检测

if img_im is None:

continue

else:

shape = img_im.shape

height = shape[0] width = shape[1] bounding_boxes, points = detect_face.detect_face(img_im, minsize, pnet, rnet, onet, threshold, factor)

# 处理该张图片中的每个框

if bounding_boxes.shape[0] > 0:

for i in range(bounding_boxes.shape[0]): # 根据行号得到每张图片有多少个回归框

x1, y1, x2, y2 = int(min(bounding_boxes[i][0], min(points[:, i][:5]))), \

int(min(bounding_boxes[i][1], min(points[:, i][5:]))), \

int(max(bounding_boxes[i][2], max(points[:, i][:5]))), \

int(max(bounding_boxes[i][3], max(points[:, i][5:])))

# 外扩大100%，防止对齐后人脸出现黑边

new_x1 = max(int(1.50 * x1 - 0.50 * x2),0)

new_x2 = min(int(1.50 * x2 - 0.50 * x1),width-1)

new_y1 = max(int(1.50 * y1 - 0.50 * y2),0)

new_y2 = min(int(1.50 * y2 - 0.50 * y1),height-1)

# new_x1 = max(int(1.30 * x1 - 0.30 * x2),0)

# new_x2 = min(int(1.30 * x2 - 0.30 * x1),width-1)

本内容试读结束，登录后可阅读更多

下载后可阅读完整内容，剩余1页未读，立即下载

章满莫

2023-07-24

这个文件介绍了一种简单而有效的人脸对齐方法，通过检测人脸五个关键点进行仿射变换，可以让人脸在图像中更好地对齐。

weixin_38650629

粉丝: 4
资源: 897

会员权益专享

基于Opencv和MTCNN检测人脸五个关键点进行仿射变换人脸对齐算法

评论10

会员权益专享

最新资源

基于Opencv和MTCNN检测人脸五个关键点进行仿射变换人脸对齐算法

评论10

基于VS2013 opencv dlib的人脸变形代码（face morph）

从传统方法到深度学习，人脸关键点检测方法综述

人脸landmark识别和人脸对齐alignment的代码

基于OpenCV的人脸检测和人脸识别

基于OpenCV的人脸检测与对齐技术详解

基于OpenCV的人脸检测和特征标记

基于深度初始化的粗到细回归树集成人脸对齐算法的研究

基于OpenCV4的人脸检测与识别

基于opencv的人脸识别

OpenCV的人脸识别算法

介绍opencv的人脸识别

人脸检测与对齐python实现

opencv 人脸识别核心源码

python opencv 换脸

若要实现人脸检测和识别，你认为应该有哪些图像处理步骤？ 分别需要哪些模式识别方法？ 试 用流程图或算法步骤分析实现过程， 并予以说明。

python cv 人脸识别

python视频人脸融合软件

用c语言建模学校人脸识别系统并作详细解释介绍程序的构思，总体流程，各个模块（子函数）的功能，挑出有难度、有特色的代码进行重点解释。

python dlib 人脸对齐代码

人脸识别中的图像形变矫正

会员权益专享

最新资源

若要实现人脸检测和识别，你认为应该有哪些图像处理步骤？分别需要哪些模式识别方法？试用流程图或算法步骤分析实现过程，并予以说明。