31

是否有用于检测已在图像平面中旋转的面部的库？或者有什么方法可以使用级联进行opencv的直立人脸检测来做到这一点？

4

8 回答 8

16

这是我用 Python cv2 写的一个简单的

这不是最有效的方法，它使用了 etarion 建议的幼稚方式，但对于正常的头部倾斜它工作得相当好（它检测到从 -40 到 40 的任何头部倾斜，这大约是你可以倾斜你的头保持直立。

import cv2
from math import sin, cos, radians

camera =  cv2.VideoCapture(0)
face = cv2.CascadeClassifier("haarcascade_frontalface_alt2.xml")

settings = {
    'scaleFactor': 1.3, 
    'minNeighbors': 3, 
    'minSize': (50, 50), 
    'flags': cv2.cv.CV_HAAR_FIND_BIGGEST_OBJECT|cv2.cv.CV_HAAR_DO_ROUGH_SEARCH
}

def rotate_image(image, angle):
    if angle == 0: return image
    height, width = image.shape[:2]
    rot_mat = cv2.getRotationMatrix2D((width/2, height/2), angle, 0.9)
    result = cv2.warpAffine(image, rot_mat, (width, height), flags=cv2.INTER_LINEAR)
    return result

def rotate_point(pos, img, angle):
    if angle == 0: return pos
    x = pos[0] - img.shape[1]*0.4
    y = pos[1] - img.shape[0]*0.4
    newx = x*cos(radians(angle)) + y*sin(radians(angle)) + img.shape[1]*0.4
    newy = -x*sin(radians(angle)) + y*cos(radians(angle)) + img.shape[0]*0.4
    return int(newx), int(newy), pos[2], pos[3]

while True:
    ret, img = camera.read()

    for angle in [0, -25, 25]:
        rimg = rotate_image(img, angle)
        detected = face.detectMultiScale(rimg, **settings)
        if len(detected):
            detected = [rotate_point(detected[-1], img, -angle)]
            break

    # Make a copy as we don't want to draw on the original image:
    for x, y, w, h in detected[-1:]:
        cv2.rectangle(img, (x, y), (x+w, y+h), (255,0,0), 2)

    cv2.imshow('facedetect', img)

    if cv2.waitKey(5) != -1:
        break

cv2.destroyWindow("facedetect")
于 2013-04-14T08:27:05.930 回答
7

就个人而言，我不知道图书馆。但是，我能说的是，使用眼睛检测Haar Cascade，并在眼睛之间画一条线。然后，您可以使用该atan功能并找到头部旋转的角度。（假设头部不旋转时，人的双眼在同一水平面上）

deg = atan( (leftEye.y - rightEye.y) / (leftEye.x - rightEye.x) )

一旦你得到这个角度，将你拥有的图像旋转负deg度，你应该有一张可以使用 Haar Cascades 检测到的脸。

于 2016-01-14T21:02:18.860 回答
2

天真的方式：

  • 生成角度列表（例如，从 -170 到 180，以 10 度为步长）
  • 对于列表中的每个角度n：
    • n以度数旋转图像
    • 在旋转图像上运行人脸检测器
    • 计算检测到的人脸在原始图像中的位置（撤消旋转）
  • 从所有角度对连接结果执行非最大抑制（您可能会从相邻角度获得多个检测）
于 2011-02-16T14:21:44.233 回答
1

您可以使用带有约束 AAM、ASM 方法的词袋/特征袋方法。但它们也可以给出不收敛到全局最大值的非最优解。

同样 haar-like-features 只是特征的集合，您可以使用旋转不变特征并将其放入 adaboost 分类器中。

于 2012-08-10T11:47:31.677 回答
1

我一直在处理非正面图像的人脸检测问题。尝试使用多任务 CNN。这是人脸检测和对齐的最佳解决方案。它能够处理各种姿势、光照、遮挡等问题。

该论文可在Link获得。该代码可在 GitHub 上的Link上找到。我使用了python实现，结果非常出色。虽然如果图像有很多面孔，代码会有点慢。

虽然如果你想坚持使用 OpenCV，那么 OpenCV 中已经添加了一个新的人脸检测深度学习模型。结果不如 Multi Task CNN。在 pyimagesearch链接上有一个用于人脸检测的 OpenCV 深度学习模型的实现

于 2018-06-14T15:25:03.140 回答
0

mtcnn 很好用。似乎只有当面部非常接近 90 度或 180 度时才有问题。所以如果正常检测失败，只需将图像旋转 45 度，然后重试。如果图像中有一张脸，那么这应该检测到它。

不过我很好奇，为什么当面部正好旋转 90 度或倒置（旋转 180 度）时 mtcnn 会失败

于 2020-03-05T00:48:45.783 回答
0

这个 repo 可以将对象检测为旋转的边界框：https ://github.com/NVIDIA/retinanet-examples

您可以通过将包含“人脸”类的图像随机旋转 -30 到 30 度来从 Open Images 创建数据集，然后训练该网络以检测这些人脸。

于 2020-03-13T22:18:03.927 回答
-1

基于颜色直方图的人脸检测方法与人脸方向无关。

于 2011-02-25T08:37:36.867 回答