樹莓派上利用python+opencv+dlib實現嘴唇檢測
項目的目標是在樹莓派上運行python代碼以實現嘴唇檢測，本來以為樹莓派的硬件是可以流暢運行實時檢測的，但是實驗的效果表明樹莓派實時檢測是不可行，后面還需要改進。
實驗的效果如下：
1、安裝相關庫文件
這里需要用的庫有opencv，numpy，dlib。
1.1 安裝opencv
pip3 install opencv-python
1.2 安裝numpy
樹莓派中自帶了numpy庫
pip3 install numpy
1.3 安裝dlib
在樹莓派的系統里面安裝dlib比較簡單，只需要pip install就可以了，但是在window系統中會有報錯，這個時候我們就需要安裝pip install dlib-19.17.99-cp37-cp37m-win_amd64.whl就可以了, 需要注意的是： 不同的python版本要安裝對應版本的dlib，也就是后面的“cp37-cp37m”，查看對應python能安裝的版本號，可以使用命令行：pip debug --verbose，可以顯示合適的安裝版本號。
在樹莓派上我安裝了cmake和dlib
pip3 install cmake pip3 install dlib
2、代碼部分
dlib提取人臉特征中包含68個點
顎點= 0C16
右眉點= 17C21
左眉點= 22C26
鼻點= 27C35
右眼點= 36C41
左眼點= 42C47
口角= 48C60
嘴唇分數= 61C67
from gpiozero import LED
from time import sleep
from subprocess import check_call
import cv2
import numpy as np
import dlib
print(cv2.__version__)
def search_cap_num():
for i in range(2000):
cap = cv2.VideoCapture(i)
cap_opened = cap.isOpened()
if cap_opened == True:
return i
cap_num = search_cap_num()
cap = cv2.VideoCapture(cap_num)
detector = dlib.get_frontal_face_detector()
predictor = dlib.shape_predictor("shape_predictor_68_face_landmarks.dat")
# 規定上嘴唇和下嘴唇連線的路徑
lip_order_dlib = np.array([[48, 49, 50, 51, 52, 53, 54, 64, 63, 62, 61, 60, 48],
[48, 59, 58, 57, 56, 55, 54, 64, 65, 66, 67, 60, 48]]) - 48
lip_order_num = lip_order_dlib.shape[1]
while 1:
landmarks_lip = []
ret, frame = cap.read()
gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
rects = detector(gray, 1)
print('faces number:' + str(len(rects)))
for (i, rect) in enumerate(rects):
# 標記人臉中的68個landmark點
landmarks = predictor(gray, rect)
for n in range(48, 68):
x = landmarks.part(n).x
y = landmarks.part(n).y
landmarks_lip.append((x, y))
# cv2.circle(img=img, center=(x, y), radius=3, color=(0, 255, 0), thickness=-1)
for m in range(lip_order_num-1):
cv2.line(frame, landmarks_lip[lip_order_dlib[0][m]], landmarks_lip[lip_order_dlib[0][m+1]], color=(0, 255, 0), thickness=2, lineType=8)
for n in range(lip_order_num-1):
cv2.line(frame, landmarks_lip[lip_order_dlib[1][n]], landmarks_lip[lip_order_dlib[1][n+1]], color=(0, 255, 0), thickness=2, lineType=8)
cv2.imshow("face", frame)
if cv2.waitKey(1) & 0xff == ord('q'):
break
cap.release()
cv2.destroyAllWindows()
# check_call(['sudo', 'poweroff'])
3、實驗效果
效果總體而言比較卡頓，感覺分析一張圖片花費時間在秒量級上。
要是僅僅是顯示攝像頭的圖片還是很快的，沒有任何卡頓，也就是說如果代碼中不存在rects = detector(gray, 1)這種獲取人臉區域的檢測命令，那么運行速度大大提高，后面需要思考怎么在人臉檢測下提高代碼運行速度。
到此這篇關于樹莓派上利用python+opencv+dlib實現嘴唇檢測的實現的文章就介紹到這了,更多相關python+opencv+dlib嘴唇檢測內容請搜索服務器之家以前的文章或繼續瀏覽下面的相關文章希望大家以后多多支持服務器之家！
原文鏈接：https://blog.csdn.net/weixin_43977647/article/details/121030114
