文章详情

短信预约-IT技能 免费直播动态提醒

请输入下面的图形验证码

提交验证

短信预约提醒成功

Python怎么实现摄像头实时换脸

2023-06-29 12:26

关注

这篇文章主要介绍“Python怎么实现摄像头实时换脸”的相关知识,小编通过实际案例向大家展示操作过程,操作方法简单快捷,实用性强,希望这篇“Python怎么实现摄像头实时换脸”文章能帮助大家解决问题。

环境

python3.9.6

pycharm 2021

库环境:

dlib

opencv-python

基本原理

使用dlib的shape_predictor_68_face_landmarks.dat模型获取一张有正脸的图片(1.png)和摄像头的自己的68个人脸特征点。

根据人脸特征点获取分别获取人脸掩模

对第一个图片仿射变换使其脸部对准摄像头图片中的脸部得到新的图片

对人脸掩模执行相同的操作仿射

将两个性的得到图取并集(不能让别的地方空了)

用opencv对两上面操作,对仿射变换后的a图片和摄像头图片进行泊松融合

完整源码

# -*- coding: utf-8 -*-import cv2import dlibimport numpy as npdetector = dlib.get_frontal_face_detector()  # dlib的正向人脸检测器predictor = dlib.shape_predictor(r'shape_predictor_68_face_landmarks.dat')  # dlib的人脸形状检测器def get_image_size(image):    """    获取图片大小(高度,宽度)    :param image: image    :return: (高度,宽度)    """    image_size = (image.shape[0], image.shape[1])    return image_sizedef get_face_landmarks(image, face_detector, shape_predictor):    """    获取人脸标志,68个特征点    :param image: image    :param face_detector: dlib.get_frontal_face_detector    :param shape_predictor: dlib.shape_predictor    :return: np.array([[],[]]), 68个特征点    """    dets = face_detector(image, 1)    shape = shape_predictor(image, dets[0])    face_landmarks = np.array([[p.x, p.y] for p in shape.parts()])    return face_landmarksdef get_face_mask(image_size, face_landmarks):    """    获取人脸掩模    :param image_size: 图片大小    :param face_landmarks: 68个特征点    :return: image_mask, 掩模图片    """    mask = np.zeros(image_size, dtype=np.uint8)    points = np.concatenate([face_landmarks[0:16], face_landmarks[26:17:-1]])    cv2.fillPoly(img=mask, pts=[points], color=255)    return maskdef get_affine_image(image1, image2, face_landmarks1, face_landmarks2):    """    获取图片1仿射变换后的图片    :param image1: 图片1, 要进行仿射变换的图片    :param image2: 图片2, 只要用来获取图片大小,生成与之大小相同的仿射变换图片    :param face_landmarks1: 图片1的人脸特征点    :param face_landmarks2: 图片2的人脸特征点    :return: 仿射变换后的图片    """    three_points_index = [18, 8, 25]    M = cv2.getAffineTransform(face_landmarks1[three_points_index].astype(np.float32),                               face_landmarks2[three_points_index].astype(np.float32))    dsize = (image2.shape[1], image2.shape[0])    affine_image = cv2.warpAffine(image1, M, dsize)    return affine_image.astype(np.uint8)def get_mask_center_point(image_mask):    """    获取掩模的中心点坐标    :param image_mask: 掩模图片    :return: 掩模中心    """    image_mask_index = np.argwhere(image_mask > 0)    miny, minx = np.min(image_mask_index, axis=0)    maxy, maxx = np.max(image_mask_index, axis=0)    center_point = ((maxx + minx) // 2, (maxy + miny) // 2)    return center_pointdef get_mask_union(mask1, mask2):    """    获取两个掩模掩盖部分的并集    :param mask1: mask_image, 掩模1    :param mask2: mask_image, 掩模2    :return: 两个掩模掩盖部分的并集    """    mask = np.min([mask1, mask2], axis=0)  # 掩盖部分并集    mask = ((cv2.blur(mask, (5, 5)) == 255) * 255).astype(np.uint8)  # 缩小掩模大小    mask = cv2.blur(mask, (3, 3)).astype(np.uint8)  # 模糊掩模    return maskdef skin_color_adjustment(im1, im2, mask=None):    """    肤色调整    :param im1: 图片1    :param im2: 图片2    :param mask: 人脸 mask. 如果存在,使用人脸部分均值来求肤色变换系数;否则,使用高斯模糊来求肤色变换系数    :return: 根据图片2的颜色调整的图片1    """    if mask is None:        im1_ksize = 55        im2_ksize = 55        im1_factor = cv2.GaussianBlur(im1, (im1_ksize, im1_ksize), 0).astype(np.float)        im2_factor = cv2.GaussianBlur(im2, (im2_ksize, im2_ksize), 0).astype(np.float)    else:        im1_face_image = cv2.bitwise_and(im1, im1, mask=mask)        im2_face_image = cv2.bitwise_and(im2, im2, mask=mask)        im1_factor = np.mean(im1_face_image, axis=(0, 1))        im2_factor = np.mean(im2_face_image, axis=(0, 1))    im1 = np.clip((im1.astype(np.float) * im2_factor / np.clip(im1_factor, 1e-6, None)), 0, 255).astype(np.uint8)    return im1def main():    im1 = cv2.imread('1.png')  # face_image    im1 = cv2.resize(im1, (600, im1.shape[0] * 600 // im1.shape[1]))    landmarks1 = get_face_landmarks(im1, detector, predictor)  # 68_face_landmarks    if landmarks1 is None:        print('{}:检测不到人脸'.format(image_face_path))        exit(1)    im1_size = get_image_size(im1)  # 脸图大小    im1_mask = get_face_mask(im1_size, landmarks1)  # 脸图人脸掩模    cam = cv2.VideoCapture(0)    while True:        ret_val, im2 = cam.read()  # camera_image        landmarks2 = get_face_landmarks(im2, detector, predictor)  # 68_face_landmarks        if landmarks2 is not None:            im2_size = get_image_size(im2)  # 摄像头图片大小            im2_mask = get_face_mask(im2_size, landmarks2)  # 摄像头图片人脸掩模            affine_im1 = get_affine_image(im1, im2, landmarks1, landmarks2)  # im1(脸图)仿射变换后的图片            affine_im1_mask = get_affine_image(im1_mask, im2, landmarks1, landmarks2)  # im1(脸图)仿射变换后的图片的人脸掩模            union_mask = get_mask_union(im2_mask, affine_im1_mask)  # 掩模合并            affine_im1 = skin_color_adjustment(affine_im1, im2, mask=union_mask)  # 肤色调整            point = get_mask_center_point(affine_im1_mask)  # im1(脸图)仿射变换后的图片的人脸掩模的中心点            seamless_im = cv2.seamlessClone(affine_im1, im2, mask=union_mask, p=point, flags=cv2.NORMAL_CLONE)  # 进行泊松融合            cv2.imshow('seamless_im', seamless_im)        else:            cv2.imshow('seamless_im', im2)        if cv2.waitKey(1) == 27:  # 按Esc退出            break    cv2.destroyAllWindows()if __name__ == '__main__':    main()

关于“Python怎么实现摄像头实时换脸”的内容就介绍到这里了,感谢大家的阅读。如果想了解更多行业相关的知识,可以关注编程网行业资讯频道,小编每天都会为大家更新不同的知识点。

阅读原文内容投诉

免责声明:

① 本站未注明“稿件来源”的信息均来自网络整理。其文字、图片和音视频稿件的所属权归原作者所有。本站收集整理出于非商业性的教育和科研之目的,并不意味着本站赞同其观点或证实其内容的真实性。仅作为临时的测试数据,供内部测试之用。本站并未授权任何人以任何方式主动获取本站任何信息。

② 本站未注明“稿件来源”的临时测试数据将在测试完成后最终做删除处理。有问题或投稿请发送至: 邮箱/279061341@qq.com QQ/279061341

软考中级精品资料免费领

  • 历年真题答案解析
  • 备考技巧名师总结
  • 高频考点精准押题
  • 2024年上半年信息系统项目管理师第二批次真题及答案解析(完整版)

    难度     813人已做
    查看
  • 【考后总结】2024年5月26日信息系统项目管理师第2批次考情分析

    难度     354人已做
    查看
  • 【考后总结】2024年5月25日信息系统项目管理师第1批次考情分析

    难度     318人已做
    查看
  • 2024年上半年软考高项第一、二批次真题考点汇总(完整版)

    难度     435人已做
    查看
  • 2024年上半年系统架构设计师考试综合知识真题

    难度     224人已做
    查看

相关文章

发现更多好内容

猜你喜欢

AI推送时光机
位置:首页-资讯-后端开发
咦!没有更多了?去看看其它编程学习网 内容吧
首页课程
资料下载
问答资讯