얼굴추적

1 개요

주 방법은 링크, 링크(얼굴인식 스노우 카메라 따라만들기)를 참고하였습니다.

단순히 찾는 것 뿐이라면 cv2만으로도 가능하지만, 매끄럽게 처리하려면 dlib이 있어야 좋다.

2 방법

2.1 준비

2.1.1 공통과정

아래에 이어질 모든 과정 이전에 사용될 준비과정을 여기에 담는다.

과정	코드 및 설명
model 디렉터리에 모델 준비하기	이후 이 디렉터리 안의 모델을 사용한다.
사용할 모듈 설치 및 불러오기	pip install cmake dlib opencv-python numpy 윈도우에선 visual studio 설치가 선행되어야 한다.(설치 옵션에서 C++ 모듈을 포함하게 하면 관련 컴파일러 등이 함께 설치된다.) cmake는 dlib를 설치하기 위해 필요하다. import dlib # 얼굴인식 import cv2 # 이미지처리 import numpy as np # 연산

과정	코드 및 설명
모델객체 생성	이미 학습된 bat파일을 불러오는데, 이는 링크에서 다운받을 수 있다. detector = dlib.get_frontal_face_detector() # 얼굴탐지모델 predictor = dlib.shape_predictor('shape_predictor_68_face_landmarks.dat') # 얼굴 랜드마크 탐지 모델. 학습된 모델을 가져온다. cap = cv2.VideoCapture(0) # 영상 캡쳐. 경로 대신 0을 넣으면 웹캠이 켜진다.

2.2 얼굴 찾기

얼굴을 찾아 네모칸으로 표시한다.(필요에 따라 변형하여 사용하면 될듯.)

과정	코드 및 설명
함수 정의	코드를 파편화 하기 위해 함수를 정의하여 사용한다. def find_face(img): '''이미지를 받아 해당 얼굴을 찾는다.''' faces = detector(img) # 디텍터에 이미지를 넣어주어 얼굴을 찾는다. try: face = faces[0] # 인식된 얼굴 중 첫번째. # 인식이 잘 되었는지 확인. 네모 그리기. 기존 이미지에 덧씌워 보여준다. img = cv2.rectangle(img, pt1=(face.left(), face.top()), pt2=(face.right(), face.bottom()), color=(255, 255, 255), # 색 지정이 가능하다. thickness=2, # 두께지정 lineType=cv2.LINE_AA # 선의 타입 지정 ) except: # 얼굴이 없으면 faces[0]에서 인덱스 에러가 뜬다. 그럴 땐 그냥 패스! pass cv2.imshow('window', img) # 창에 해당하는 이미지를 띄운다. cv2.waitKey(1) # 1ms만큼 대기 해야 창이 제대로 열린다.
실행	다음과 같이 실행한다. while True: # 기본적으로 계속 진행 ret, img = cap.read() # 캡처한 영상을 프레임 단위로 읽는다. if not ret: # 잘 찍히면 ret은 True를 반환한다. break # 프레임이 없다면 종료. find_face(img)

2.3 얼굴 특징점 찾기

위에서 함수만 바꾸어주면 얼굴의 특징점을 찾아준다.

def find_shape(img):
    '''이미지를 받아 얼굴의 특징점을 찾는다.'''
    faces = detector(img)  # 디텍터에 이미지를 넣어주어 얼굴을 찾는다.
    try:
        face = faces[0]  # 인식된 얼굴 중 첫번째.
        dlib_shape = predictor(img, face)  # 특징점을 리턴받는다.
        shape_2d = np.array([[p.x, p.y] for p in dlib_shape.parts()])  # 연산을 위해 배열로 저장.
        for s in shape_2d:  # 해당 좌표에 원 그리기. 68개의 특징점을 찾는다.
            cv2.circle(img, center=tuple(s), radius=1, color=(255, 255, 255), thickness=2, lineType=cv2.LINE_AA)
    except:
        pass
    cv2.imshow('window', img)  # 창에 해당하는 이미지를 띄운다.
    cv2.waitKey(1)  # 1ms만큼 대기 해야 창이 제대로 열린다.

앞으로의 목표는 많은 얼굴에 대해서도 찾는 것...

2.4 얼굴을 특정 이미지로 가리기

과정	코드 및 설명
함수 정의	코드를 파편화 하기 위해 함수를 정의하여 사용한다. def blind_face(img, address='test_image.png'): '''1. 이미지를 받아 얼굴의 중심점을 찾는다. 2. 그 지점에 이미지를 불러온다.''' faces = detector(img) # 디텍터에 이미지를 넣어주어 얼굴을 찾는다. try: face = faces[0] # 인식된 얼굴 중 첫번째. dlib_shape = predictor(img, face) # 특징점을 리턴받는다. shape_2d = np.array([[p.x, p.y] for p in dlib_shape.parts()]) # 연산을 위해 배열로 저장. center_x, center_y = np.mean(shape_2d, axis=0).astype(np.int) # 중심점을 찾는다. overlay = cv2.imread(address, cv2.IMREAD_UNCHANGED) # 이미지를 불러온다. 알파채널까지 읽기 위한 옵션. # 얼굴 경계 찾기. min_coords = np.min(shape_2d, axis=0) # 각 열에 대해 가장 작은 값들. max_coords = np.max(shape_2d, axis=0) face_size = max(max_coords - min_coords) # 덮을 이미지가 얼굴 인식에 따라 급격하게 변하기 때문에, 이를 중화하기 위한 코드. face_sizes.append(face_size) if len(face_sizes) > 10: del face_sizes[0] mean_face_size = int(np.mean(face_sizes) * 2.0) # 얼굴을 적절히 덮기 위한 숫자보정. origin_image = img.copy() # 다음 사용하는 함수는 아랫쪽에 정의되어 있다. result = overlay_transparent(x=center_x, y=center_y - 25, # 얼굴의 중심을 찾고 숫자로 보정해준다. background_img=origin_image, # 기존 이미지. img_to_overlay_t=overlay, # 덮을 이미지. overlay_size=(mean_face_size, mean_face_size)) cv2.imshow('window', result) # 창에 해당하는 이미지를 띄운다. except: cv2.imshow('window', img) # 얼굴 인식이 안되면 이미지를 그냥 띄우기 pass cv2.waitKey(1) # 1ms만큼 대기 해야 창이 제대로 열린다.
이미지로 덮기	위에서 사용하는, 이미지로 덮는 함수는 다음과 같다. def overlay_transparent(background_img, img_to_overlay_t, x, y, overlay_size=None): bg_img = background_img.copy() # convert 3 channels to 4 channels if bg_img.shape[2] == 3: bg_img = cv2.cvtColor(bg_img, cv2.COLOR_BGR2BGRA) if overlay_size is not None: img_to_overlay_t = cv2.resize(img_to_overlay_t.copy(), overlay_size) b, g, r, a = cv2.split(img_to_overlay_t) mask = cv2.medianBlur(a, 5) h, w, _ = img_to_overlay_t.shape roi = bg_img[int(y-h/2):int(y+h/2), int(x-w/2):int(x+w/2)] img1_bg = cv2.bitwise_and(roi.copy(), roi.copy(), mask=cv2.bitwise_not(mask)) img2_fg = cv2.bitwise_and(img_to_overlay_t, img_to_overlay_t, mask=mask) bg_img[int(y-h/2):int(y+h/2), int(x-w/2):int(x+w/2)] = cv2.add(img1_bg, img2_fg) # convert 4 channels to 4 channels bg_img = cv2.cvtColor(bg_img, cv2.COLOR_BGRA2BGR) return bg_img
실행	맨 위의 과정에서 face_size들을 담는 리스트가 추가된다. while True: # 기본적으로 계속 진행 ret, img = cap.read() # 캡처한 영상을 프레임 단위로 읽는다. if not ret: # 잘 찍히면 ret은 True를 반환한다. break # 프레임이 없다면 종료. face_sizes = [] # 얼굴 크기를 자연스럽게 변형하기 위한 리스트. blind_face(img)