本文共 3382 字，大约阅读时间需要 11 分钟。

“识别人脸关键点”案例源码详解

1. 构建APP框架和添加主要控件
2. 人脸关键点识别的方法
3. 商业应用案例拓展训练

打开人脸关键点案例

1. 在Examples中点击FacePose进入代码编辑状态。
2. 代码存在路径在/home/facencnn/facepose.py。
   

导入相关库

1. from cvs import *——导入cvs图形控件的库
2. import facerecognition——导入人脸识别的库
3. import numpy as np——导入开源的数值科学计算库，别名为np
   

定义并初始化APP类

1. class MyApp(App)——定义一个名为MyApp的类，用于构建程序的图形化APP
2. def init(self, *args):
   super(MyApp,self).init(*args)
   初始化函数，self表示创建实例本身，*args传递可变参数，init()的第一个参数永远是self.
   

设置标签的值

1. self.lbl.set_text(cvs.getLbs()),设置标签控件中文本的值为cvs中全局变量的值。
2. def
   idle(self):并未清空cvs.getLbs()中的值，目的是为了动态的显示程序运行的图片识别的速率情况（程序每秒识别几张图片）。
   

构建APP的框架

1. 定义变量main_container,它的作用是整个APP的主框架，用于包含其他APP中的控件，相当于容器。
2. VBox(width=360, height=680, style={‘margin’:‘0px
   auto’})，这段代码是在手机上画出一个宽度为360px,高度为680px的程序主框架范围，style是它的样式。
   

添加摄像头控件

1. OpencvVideoWidget函数是在手机中画一个用于显示调用手机摄像头拍摄图像的框，宽度340px，高度480px,将它赋值给self.aidcam，aidcam是摄像头控件。
2. self.aidcam.style[‘margin’] = ‘10px’，摄像头框架的边界和主框架相隔10px。
3. self.aidcam.set_identifier(“myimage_receiver”)，给aidcam取一个别名
4. main_container.append(self.aidcam)，这个时候将设置好的摄像头显示框添加到APP主框架中。
   

添加标签控件

5. self.lbl = Label(‘This show fps!’, width=360, height=30,
   margin=‘50px’,)，设置一个默认文本为’This show
   fps!’，宽度360px,高度30px，边界为50px的标签控件，将它赋值给 self.lbl， self.lbl是标签控件。
6. main_container.append(self.lbl)，这个时候将设置好的标签控件添加到APP主框架中。
7. main函数返回设置好的VBox主框架控件。
   
   

加载人脸识别的学习模型

1. main()定义了一个主函数
2. cvs.VideoCapture(1)是调用手机前置摄像头，如果是cvs.VideoCapture(0)就是调用手机后置摄像头。
3. facerecognition.FaceRecognition("./models",
   0.63)，是加载人脸识别的学习模型，第一个参数路径，第二个是阈值，0.63是默认值，阈值的范围是0-1，阈值约高，识别越严格，通过率约低，例如如果一个人的头发乱了，或者脸上有一些遮挡等，一般建议不要设定太高。
   

人脸图像转化为特征值

1. start = time.time()，获取程序开始的运行时间。fcount=0是图像处理的张数。
2. 定义了一个while循环，作用是将人脸图像的特征点添加到数据库。
3. sleep(30)是让程序休眠30毫秒。
4. img =cap.read()，读取当前摄像头下拍摄的图像。
5. if img is None：如果图像为空，则重复该循环。
   
6. fcount=fcount+1，图像处理的张数加1。
7. lbs = 'Average FPS: '+ str(fcount / (time.time() -
   start))，计算程序的运行时间(time.time() -
   start),fcount是程序处理几张图像，用facount除时间得到图像处理速率，例如10秒内处理了30张图片，得到的结果是3，意思就是程序每秒识别了3张图片的意思，然后将结果连接到字符串’Average
   FPS: '后，并赋值给lbs 变量。
8. cvs.setLbs(lbs)将结果赋值给cvs中的全局变量。
   
9. if camid==1:判断是否是前置摄影头，如果是img=cv2.flip(img,1)，镜面翻转，维度 0
   是上下翻转，1是左右翻转，和镜子一样，不然是反的。
10. if ret==0:，如果返回的值是0，表示添加成功，否则添加失败，并用print函数写入一段文字到日志文件。
11. userId=’’ 和 cvs.setLbs(userId)是编程的一个必要动作，将全局变量重新设置为空，避免后面出现不必要的错误。
12. image_char =
    img.astype(np.uint8).tostring()，将图像转为unint8的格式再转化为一组字符串格式。
    

人脸特征值提取开始

1. rets = facerecog.getfacepose(img.shape[0], img.shape[1],
   image_char)，获取人脸数据的特征点，每个人脸一个字典 然后组成一个列表，存储在rets变量中。
2. for ret in rets:循环提取人脸特征值数据，则用print将一段文字写入日志文件。
3. rect = ret[‘rect’]，提取人脸绿色框的位置，人脸外框是个矩形。
4. mtcnn = ret[‘mtcnn’]，得到一个数组，表示人脸关键点的坐标x0,x1,x2,x3,x4,y0,y1,y2,y3,y4
   其中x0，y0是左眼，x1，y1是右眼，x2,y2是鼻子，x3,y3是左嘴角，x4,y4是右嘴角，均是中心点位置。
5. cvs.circle(img,(mtcnn[i],mtcnn[5+i]),2,(0,0,255),2)，在摄像头人脸图片上画圆点，人脸上5个点，左右眼，鼻子，左右嘴角，画出5个红点，第一个2是半径，第二个2是线宽，(0,0,255)是红色。
6. for i in range(5):，通过循环是把mtcnn获取到数据提取出来。
7. keypoint=ret[‘keypoints’]，获取人脸特征点，一组列表,x0,y0,x1,y1,x2,y2……x105,y105
   。
8. p1 = (int(rect[0]),
   int(rect[1]))，rect[0]是绿色框的左上角x坐标，rect[1]是绿色框的左上角y坐标。
9. p2 = (int(rect[0]+rect[2]),
   int(rect[1]+rect[3]))，rect[2]是人脸外框宽度，rect[3]是人脸外框高度，画矩形。
10. cvs.rectangle(img, p1,p2, (0, 255, 0) , 3,
    1)，img是图像，p1左上角，p2右上角，(0, 255,
    0)外框的颜色，3是指线的宽度，1是指线的类型，可以改变使线更平滑，作用是在摄像头中的人脸图像上画框。
11. for p in
    range(0,106):画出106个绿色的特征点，其实keypoint的坐标就是参考rect[0]，rect[1],也就是绿色框的左上角为原点。
12. k1=int(rect[0]+keypoint[p*2])，绿色点x坐标。
13. k2=int(rect[1]+keypoint[p*2+1])，绿色点y坐标。
14. cv2.circle(img,(k1,k2),2,(253,0,0),2)，img是图像，x坐标k1，y坐标k2，2是圆半径，(253,0,0)圆点的颜色，第二个2是线宽cvs.imshow(img)是将画好的框和名字显示出来。
    

默认启动函数

1. initcv(main)设置线程启动
2. startcv(MyApp)启动APP
   
   

人脸关键点识别程序的步骤

拓展思考

转载地址：http://ildo.baihongyu.com/