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
| 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
import dlib # 얼굴인식
import cv2 # 이미지처리
import numpy as np # 연산
|
| 과정 | 코드 및 설명 |
|---|---|
| 모델객체 생성 | detector = dlib.get_frontal_face_detector() # 얼굴탐지모델
predictor = dlib.shape_predictor('models/shape_predictor_68_face_landmarks.dat') # 얼굴 랜드마크 탐지 모델. 학습된 모델을 가져온다.
|
2.2 얼굴 찾기
# 영상 캡쳐
cap = cv2.VideoCapture('영상경로') # 경로 대신 0을 넣으면 웹캠이 켜진다.
def find_face(cap)
ret, img = cap.read() # 캡처한 영상을 프레임 단위로 읽는다.
if not ret:
break # 프레임이 없다면 종료.
faces = detector(img) # 디텍터에 이미지를 넣어주어 얼굴을 찾는다.
face = faces[0] # 인식된 얼굴 중 첫번째.
# 인식이 잘 되었는지 확인. 네모 그리기.
# 기본 이미지에 덧씌워 보여준다.
# 좌 상단과 우 하단을 잡아준다.
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
)
cv2.imshow('창이름', img) # 창에 해당하는 이미지를 띄운다.
cv2.waitKey(1) # 1ms만큼 대기 해야 창이 제대로 열린다.
while True: # 기본적으로 계속 진행
find_face(cap=cap)
2.3 얼굴 특징점 찾기
얼굴 찾기를 진행한 후 진행한다.
def find_shape(img, face) # img가 꼭 필요할까?
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)
2.4 얼굴을 특정 이미지로 가리기
def blind_face(img, address='파일경로.png')
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)
overlay = cv2.imread(address, cv2.IMREAD_UNCHANGED) # 알파채널까지 읽기 위한 옵션.
# compute face size
face_size = max(max_coords - min_coords)
face_sizes.append(face_size)
if len(face_sizes) > 10: # 덮을 이미지가 얼굴 인식에 따라 급격하게 변하기 때문에, 이를 중화하기 위한 코드.
del face_sizes[0]
mean_face_size = int(np.mean(face_sizes) * 1.8) # 얼굴을 적절히 덮기 위한 보정.
ori = img.copy()
# 다음 사용하는 함수는 아랫쪽에 정의되어 있다.
result = overlay_transparent(background_img=ori, # 기존 이미지.
img_to_overlay_t=overlay, # 덮을 이미지.
center_x + 8, center_y - 25, # 얼굴의 중심을 찾고 숫자로 보정해준다.
overlay_size=(mean_face_size, mean_face_size))
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