第四十四章 人脸68关键点检测实验
在上一章节中,介绍了利用maix.KPU模块实现了人脸属性分析,本章将继续介绍利用maix.KPU模块实现的人脸68关键点检测。通过本章的学习,读者将学习到人脸68关键点检测应用在CanMV上的实现。 本章分为如下几个小节: 44.1 maix.KPU模块介绍 44.2 硬件设计 44.3 程序设计 44.4 运行验证
44.1 maix.KPU模块介绍 有关maix.KPU模块的介绍,请见第39.1小节《maix.KPU模块介绍》。
44.2 硬件设计 44.2.1 例程功能 1. 获取摄像头输出的图像,并送入KPU进行人脸检测,接着对检测到的人脸分别进行人脸68关键点检测,最后将所有的检测结果和原始图像一同在LCD上进行显示。
44.2.2 硬件资源 本章实验内容,主要讲解maix.KPU模块的使用,无需关注硬件资源。
44.2.3 原理图 本章实验内容,主要讲解maix.KPU模块的使用,无需关注原理图。
44.3 程序设计 44.3.1 maix.KPU模块介绍 有关maix.KPU模块的介绍,请见第44.1小节《maix.KPU模块介绍》。
44.3.2 程序流程图 图44.3.2.1 人脸68关键点检测实验流程图
44.3.3 main.py代码 main.py中的脚本代码如下所示: import lcd import sensor import gc from maix import KPU lcd.init() sensor.reset() sensor.set_framesize(sensor.QVGA) sensor.set_pixformat(sensor.RGB565) sensor.set_hmirror(False) anchor = (0.1075, 0.126875, 0.126875, 0.175, 0.1465625, 0.2246875, 0.1953125, 0.25375, 0.2440625, 0.351875, 0.341875, 0.4721875, 0.5078125, 0.6696875, 0.8984375, 1.099687, 2.129062, 2.425937) names = ['face'] # 构造并初始化人脸检测KPU对象 face_detecter = KPU() face_detecter.load_kmodel("/sd/KPU/face_detect_320x240.kmodel") face_detecter.init_yolo2(anchor, anchor_num=len(anchor) // 2, img_w=320, img_h=240, net_w=320, net_h=240, layer_w=10, layer_h=8, threshold=0.5, nms_value=0.2, classes=len(names)) # 构造并初始化人脸68关键点检测KPU对象 lm68_kpu = KPU() lm68_kpu.load_kmodel("/sd/KPU/landmark68.kmodel") # 按指定比例扩展矩形框 def extend_box(x, y, w, h, scale): x1 = int(x - scale * w) x2 = int(x + w - 1 + scale * w) y1 = int(y - scale * h) y2 = int(y + h - 1 + scale * h) x1 = x1 if x1 > 0 else 0 x2 = x2 if x2 < (320 - 1) else (320 - 1) y1 = y1 if y1 > 0 else 0 y2 = y2 if y2 < (240 - 1) else (240 - 1) return x1, y1, x2 - x1 + 1, y2 - y1 + 1 while True: img = sensor.snapshot() face_detecter.run_with_output(img) faces = face_detecter.regionlayer_yolo2() for face in faces: # 框出人脸位置 x, y, w, h = extend_box(face[0], face[1], face[2], face[3], 0.08) img.draw_rectangle(x, y, w, h, color=(0, 255, 0)) # 计算人脸68关键点 face_img = img.cut(x, y, w, h) resize_img = face_img.resize(128, 128) resize_img.pix_to_ai() output = lm68_kpu.run_with_output(resize_img, getlist=True) for i in range(len(output) // 2): point_x = int(KPU.sigmoid(output[2 * i]) * w + x) point_y = int(KPU.sigmoid(output[2 * i + 1]) * h + y) img.draw_cross(point_x, point_y, size=5, color=(0, 0, 255)) del face_img del resize_img lcd.display(img) gc.collect() 可以看到一开始是先初始化了LCD和摄像头,并分别构造并初始化了用于人脸检测和人脸68关键点检测的KPU对象。 然后便是在一个循环中不断地获取摄像头输出的图像,首先将图像进行人脸检测,检测图像中存在的人脸,接着对人脸图像进行68关键点检测,分析出人脸68关键点的位置,最后将以上所有的分析检测结果在图像上进行绘制,然后在LCD上显示图像。
44.4 运行验证 将DNK210开发板连接CanMV IDE,点击CanMV IDE上的“开始(运行脚本)”按钮后,将摄像头对准人脸,让其采集到人脸图像,随后便能在LCD上看到摄像头输出的图像,同时能看到图像上标注了人脸位置和人脸68关键点位置等信息,如下图所示: 图44.4.1 LCD显示人脸68关键点检测实验结果
|