如何用Opencv 提取人脸特征点并保存特征点坐标？

danxiandong2898 2016-12-01 10:04:10

请问如何用Opencv 提取人脸特征点并保存特征点坐标在 .pts 文件里面？

...全文

1374 1 打赏收藏转发到动态举报

写回复

用AI写文章

1 条回复

切换为时间正序

请发表友善的回复…

发表回复

weixin_38498942 2020-03-11

打赏
举报

可以参考410c开发板关于opencv部分的介绍。

Winston_Jory 2016-12-01

打赏
举报

opencv没定位人脸特征点的算法，只要人脸、人眼等检测，还有就是识别，特征点定位可以看看ASM、CLM、AAM等形变模型或者卷积神经网络

基于python+opencvLBPH实现人脸表情识别系统完整源码+GUI界面.zip 【资源说明】建议安装anaconda、pycharm 在anaconda中安装opencv等安装包该项目带有GUI界面，识别高兴和伤心表情。该项目是个人毕设项目源码，评审分达到95分，都经过严格调试，确保可以运行！放心下载使用。该项目资源主要针对计算机、自动化等相关专业的学生或从业者下载使用，也可作为期末课程设计、课程大作业、毕业设计等。具有较高的学习借鉴价值！基础能力强的可以在此基础上修改调整步骤： 1.采集十几张happy、sad照片，命名格式标签+序号.jpg，放在训练文件夹 2.将图像转变成灰度图像，因为OpenCV人脸检测器需要灰度图像，加载OpenCV人脸识别器，提取面部区域 3.读取训练文件夹中的图片名称，将每一个类型以01代表并且返回人脸坐标和人脸类型标签，如果图片的名称以happy开头，则标签为1l；sad开头，标签为2，return faces, labels 4.加载得到（LBPH）人脸识别器，应用数据，进行训练 5.将标签1，2转换成文字，进行预测

Part I 基础篇 OpenCV 开发基础. 1 第 1 章初识 OpenCV.. 3 1.1 OpenCV 初识 4 1.1.1 OpenCV 简介.. 4 1.1.2 OpenCV 组件及架构.. 5 1.1.3 OpenCV 资源.. 9 1.2 VS2012 安装OpenCV2.4.x .. 9 1.3 VS2013 安装OpenCV3.0 14 1.4 Sublime 下配置OpenCV. 16 1.5 小结 19 第2 章图像及视频基本操作. 20 2.1 图像初级操作 21 2.1.1 Mat 类 21 2.1.2 Mat 基本操作 23 2.1.3 Mat 类型转换 24 2.1.4 图像读取显示保存 24 2.1.5 图像存储. 26 2.2 图像几何变换 28 2.2.1 坐标映射. 28 2.2.2 平移 29 2.2.3 缩放 33 2.2.4 旋转 36 2.2.5 仿射变换. 40 2.3 视频操作.. 43 2.3.1 VideoCapture 类.. 43 2.3.2 视频写操作 45 2.3.3 视频质量评价.. 48 2.4 图像基础应用操作. 50 2.4.1 界面事件. 50 2.4.2 区域提取. 54 2.4.3 图像元素遍历——反色.. 58 2.4.4 单窗口显示多幅图像 63 2.4.5 图像颜色空间转换 66 2.4.6 图像批量读取——规则.. 69 2.4.7 图像批量读取——无规则. 70 2.5 小结 71 Part II 进阶篇图像处理技术.. 73 第 3 章进阶篇——图像灰度变换技术. 75 3.1 阈值化处理. 76 3.1.1 OTSU 阈值化 76 3.1.2 固定阈值化 79 3.1.3 自适应阈值化.. 81 3.1.4 双阈值化. 83 3.1.5 半阈值化. 84 3.2 直方图处理. 85 3.2.1 灰度直方图 85 3.2.2 H-S 直方图. 88 3.2.3 BGR 直方图.. 89 3.2.4 自定义直方图.. 91 3.2.5 灰度直方图均衡. 93 3.2.6 彩色直方图均衡. 94 3.2.7 直方图变换——查找 95 3.2.8 直方图变换——累计 97 3.2.9 直方图匹配 99 3.2.10 直方图对比.. 101 3.2.11 直方图的反向投影 105 3.3 距离变换 108 3.3.1 距离. 108 3.3.2 邻接性 109 3.3.3 区域..110 3.3.4 距离变换——扫描..110 3.3.5 距离变换——distanceTransform..113 3.4 Gamma 校正.115 3.5 其他常见的灰度变换技术117 3.5.1 线性变换117 3.5.2 对数变换119 3.5.3 对比度拉伸. 121 3.5.4 灰度级分层. 124 3.5.5 灰度比特平面 125 3.6 实例应用 128 3.6.1 最大熵阈值分割.. 128 3.6.2 投影峰谷查找 131 3.7 小结. 134 第4 章进阶篇——图像平滑技术.. 135 4.1 图像采样 136 4.1.1 最近邻插值. 136 4.1.2 双线性插值. 138 4.1.3 插值操作性能对比. 140 4.1.4 图像金字塔. 143 4.2 傅里叶变换.. 146 4.2.1 图像掩码操作 146 4.2.2 离散傅里叶. 149 4.2.3 图像卷积.. 151 4.3 图像噪声 153 4.3.1 椒盐噪声.. 153 4.3.2 高斯噪声.. 155 4.4 空间平滑 157 4.4.1 盒滤波 157 4.4.2 均值滤波.. 159 4.4.3 中值滤波.. 159 4.4.4 高斯滤波.. 161 4.4.5 双边滤波.. 163 4.5 实例应用 166 4.5.1 导向滤波.. 166 4.5.2 图像污点修复 169 4.5.3 旋转文本图像矫正. 172 4.6 小结. 178 第5 章进阶篇——边缘检测技术.. 179 5.1 边缘检测基础. 180 5.1.1 边缘检测概念 180 5.1.2 梯度算子.. 180 5.1.3 一阶微分算子 180 5.1.4 二阶微分算子 181 5.1.5 图像差分运算 182 5.1.6 非极大值抑制 184 5.2 基本边缘检测算子——Sobel 184 5.2.1 非极大值抑制Sobel 检测.. 185 5.2.2 图像直接卷积实现Sobel 186 5.2.3 图像卷积下非极大值抑制Sobel. 187 5.2.4 Sobel 库函数实现 190 5.3 基本边缘检测算子——Laplace 192 5.4 基本边缘检测算子——Roberts 194 5.5 基本边缘检测算子——Prewitt. 195 5.6 改进边缘检测算子——Canny .. 198 5.6.1 Canny 算子.. 198 5.6.2 Canny 原理及实现.. 198 5.6.3 Canny 库函数实现.. 203 5.7 改进边缘检测算子——Marr-Hildreth .. 204 5.8 几何检测 207 5.8.1 霍夫变换.. 207 5.8.2 线检测技术. 208 5.8.3 LSD 快速直线检测. 210 5.8.4 圆检测技术. 214 5.9 形状检测 215 5.9.1 轮廓检测.. 215 5.9.2 凸包检测.. 217 5.9.3 轮廓边界框. 221 5.9.4 轮廓矩 226 5.9.5 点多边形测试 229 5.10 角点检测. 232 5.10.1 moravec 角点 232 5.10.2 harris 角点. 235 5.10.3 Shi-Tomasi 角点. 238 5.11 实例应用. 240 5.11.1 颜色圆检测.. 240 5.11.2 车牌区域检测.. 243 5.12 小结 249 第6 章进阶篇——形态学技术. 250 6.1 腐蚀膨胀操作. 251 6.2 开闭运算操作. 253 6.3 形态学梯度.. 255 6.4 形态学Top-Hat.. 256 6.5 实例应用 257 6.5.1 形态学滤波角点提取. 257 6.5.2 车牌目标提取 260 6.6 小结. 263 Part III 高级篇图像应用技术. 265 第 7 章高级篇——图像分割技术.. 267 7.1 分水岭分割.. 268 7.1.1 分水岭的特征 268 7.1.2 实现分水岭分割.. 269 7.1.3 分水岭分割合并.. 270 7.2 FloodFill 分割. 273 7.3 均值漂移MeanShift 276 7.4 图割Grabcut 279 7.5 实例实例 282 7.5.1 奇异区域检测 282 7.5.2 肤色检测.. 285 7.6 小结. 288 第8 章高级篇——特征分析.. 289 8.1 尺度空间 290 8.1.1 尺度与旋转不变性. 290 8.1.2 特征点尺度变换.. 290 8.2 特征描述子.. 291 8.2.1 SIFT 特征. 292 8.2.2 SURF 特征.. 296 8.2.3 ORB 特征. 300 8.3 方向梯度直方图HOG 302 8.3.1 HOG 原理. 302 8.3.2 HOG 特征提取步骤 303 8.3.3 HOGDescriptor 特征描述类.. 304 8.3.4 HOG 特征描述实现 305 8.4 局部二值模式LBP.. 309 8.4.1 经典LBP.. 309 8.4.2 圆形LBP311 8.5 Haar 特征描述 314 8.5.1 Haar 原理. 314 8.5.2 Haar 特征提取 315 8.6 应用实例 317 8.6.1 最近邻特征点目标提取 317 8.6.2 最大极值稳定区域匹配MSER 320 8.6.3 字符特征提取 324 8.6.4 车牌字符SVM 训练.. 327 8.7 小结. 331 第 9 章高级篇——复杂视频处理技术.. 332 9.1 视频稳像技术. 333 9.2 图像拼接 338 9.2.1 拼接原理及过程.. 338 9.2.2 图像拼接实现 339 9.3 高动态范围图像HDR 342 9.3.1 HDR 合成技术.. 342 9.3.2 HDR 合成原理.. 342 9.3.3 OpenCV 实现. 343 9.4 背景建模 344 9.4.1 背景差分.. 345 9.4.2 混合高斯背景建模. 345 9.4.3 混合高斯背景建模实现 346 9.4.4 混合模型MOG2 成员参数设定. 348 9.4.5 KNN 模型背景建模实现. 349 9.4.6 GMG 模型背景建模实现 351 9.5 级联分类器——人脸检测.. 353 9.5.1 级联分类器. 353 9.5.2 CascadeClassifier 类 353 9.6 应用实例 355 9.6.1 运动目标提取 355 9.6.2 TLD 单目标跟踪.. 358 9.6.3 人眼检测与跟踪.. 361 9.7 小结. 365 附录A 366 1——代码清单.. 366 2——CMake 编译OpenCV3.1 源码. 372 3——OpenCV3.1 Extra 扩展库 375 参考文献.... 379

人脸美颜美型是十分常见的图像处理功能，应用于手机拍照、视频直播、视频会议等图像视频流处理领域。如下图所示是一款拍照软件中针对人脸美颜美型功能的具体介绍。人脸美颜美型是一个综合性较高的算法，包括基于机器学习的人脸与关键点检测，与常见传统图像处理方法，如图像滤波，图像融合，形态学操作、图像变形等。每一个知识点都涉及某个研究领域，具有较高的算法学习与工程实践意义。同时由于当前视频直播的火热，以及疫情下线上会议办公的更加流行，都使人脸美颜美型方面的应用需求越发强烈；相对应的很多公司都设立了着重研发美颜美型算法的开发岗位。在这种背景下如果具有人脸美颜美型算法相关的开发与应用经验，将会有力地提高就业/工作竞争力。鉴于此，笔者设计了一套基于OpenCV实现一套比较完整的人脸美颜美型算法的课程，将实现包括磨皮、美白、大眼、瘦脸、下巴收放、瘦鼻等功能，算法效果如下几张动图所示。课程框架如下图所示，我们将从开发环境搭建到每个子功能的实现逐一讲解，详细介绍每项功能的需求分析、功能定义与原理设计。在开发该套算法的过程中我们将学习并应用如人脸及关键点检测、肤色检测、图像滤波、图像提亮、图像融合、图像变形、图像插值等知识点。因此这将是一个复杂度较高，同时干货满满的实战课程。通过该课程的学习，你将了解从零开始开发一套人脸美颜美型算法的过程，并通过项目实战掌握其中涉及的各个图像处理领域的知识点。更重要的是，课程中通过需求分析——功能定义——原理设计——编程实战的流程来让你掌握比较复杂的图像算法开发流程剖析与实施的技能，这将会在你后续的科研/项目开发过程中发挥更大的作用。这里使用Windows平台，基于VS2015与OpenCV3.4.6版本进行代码开发，对学习者相对更容易上手与代码调试。课程资料包括视频、PPT与源码，均提供下载学习；学习过程中若遇到问题可通过学习网站交流通道提问，作者将尽力及时解答。

利用opencvLBPH+UI界面，实现传统的人脸表情检测项目源码步骤： 1.采集十几张happy、sad照片，命名格式标签+序号.jpg，放在训练文件夹 2.将图像转变成灰度图像，因为OpenCV人脸检测器需要灰度图像，加载OpenCV人脸识别器，提取面部区域 3.读取训练文件夹中的图片名称，将每一个类型以01代表并且返回人脸坐标和人脸类型标签，如果图片的名称以happy开头，则标签为1l；sad开头，标签为2，return faces, labels 4.加载得到（LBPH）人脸识别器，应用数据，进行训练 5.将标签1，2转换成文字，进行预测

目标睡意检测是计算机视觉的一个研究热点，随着未来教育日趋网络化，为了有效地提高学生网课学习质量，睡意检测系统对学生上课状态进行实时检测。本系统基于OpenCv对学生面部进行定位，再通过Dlib内部实现的面部标志性检测器对学生面部特征进行提取，能够迅速有效地获取眼睛和嘴巴特征点的位置，再通过眼睛纵横比（Eye Aspect Ratio，EAR）和嘴巴纵横比（Mouth Aspect Ratio，MAR）结合计算帧数进行睡意判断。（1）本系统需要对摄像头获取到的目标进行人脸检测与定位。（2）此系统调用Dlib库的内部的预训练面部界标检测器用于估计映射到面部结构的68-(x,y)坐标位置,FACIAL_LANDMARKS_IDXS属性返回所需的坐标。（3）此系统采用眼睛纵横比（EAR）与嘴巴纵横比（MAR）的方法进行对眼睛和嘴巴张合程度检测。通过多帧对比进行睡意检测，并对目标语音唤醒。

Qualcomm 开发者论坛

953

社区成员

5,243

社区内容

发帖

与我相关

我的任务

人工智能物联网机器学习企业社区北京·东城区

社区管理员

加入社区

近7日
近30日
至今

加载中

查看更多榜单

社区公告

暂无公告

试试用AI创作助手写篇文章吧

+ 用AI写文章