Détection de visage avec Python + OpenCV (rotation invariante)

Détection de visage lors de la rotation de l'image Je n'ai pas réglé le meilleur angle, etc. Si nécessaire, reportez-vous aux

API de détection de visage simple avec Heroku + OpenCV

Face Detection using Haar Cascades

Je veux que vous fassiez pivoter le filtre au lieu de l'image d'entrée et que vous le détectiez automatiquement ...

Point de montage

Cela peut être naturel pour les personnes habituées au traitement d'image, mais comme je ne l'ai presque pas fait, j'en suis assez accro.

L'ordre peut être différent lors de l'acquisition / spécification de la hauteur et de la largeur de l'image.

--forme… hauteur (lignes), largeur (colonnes) --Slice by index ... [Hauteur inférieure (y): Limite supérieure de hauteur (y + h), Limite inférieure de largeur (x): Limite supérieure de largeur (x + l)]

Spécification des coordonnées OpenCV (point central, etc.) ... (horizontal (x), vertical (y))

Dans le système de coordonnées de l'affichage, l'axe y est vers le bas, mais l'angle est dans le sens antihoraire, donc lorsque l'axe y normal est converti en système de coordonnées ascendant, il tourne dans le sens des aiguilles d'une montre.

code

`face_rotate_detect.py`


# -*- coding: utf-8 -*-

from __future__ import absolute_import
from __future__ import division
from __future__ import print_function

import cv2, os, sys, imghdr, shutil, math
import numpy as np

CWD = os.getcwd()
DIR_ORIGIN = CWD + '/images/'
DIR_DESTINATION = CWD + '/faces/'

classifier = cv2.CascadeClassifier('{python_dir}/{classifier_dir}/haarcascade_frontalface_alt2.xml'.format(
    python_dir = os.path.split(sys.executable)[0],
    classifier_dir = '../share/OpenCV/haarcascades',
))

def getFaces(path_full):
    results = []
    image = cv2.imread(path_full)
    gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
    rows, cols, colors = image.shape
    center = tuple(np.array([cols, rows]))
    # get rotations
    for angle in range(-90, 91, 5):
        radian = np.deg2rad(angle)
        output_height = int(np.absolute(cols * np.sin(radian)) + np.absolute(rows * np.cos(radian)))
        output_width = int(np.absolute(cols * np.cos(radian)) + np.absolute(rows * np.sin(radian)))
        output_size = tuple(np.array([output_width, output_height]))
        # rotate
        Matrix = cv2.getRotationMatrix2D(center, degree, 1.0)
        # translate
        Matrix[0, 2] += (output_width - width) * 0.5
        Matrix[1, 2] += (output_height - height) * 0.5
        # warp affine
        rotated = cv2.warpAffine(gray, Matrix, output_size, flags = cv2.INTER_LINEAR)
        # detect faces
        faces = classifier.detectMultiScale(rotated)
        if len(faces):
            rotated_color = cv2.warpAffine(image, Matrix, output_size, flags = cv2.INTER_LINEAR)
            for x, y, w, h in faces:
                results.append(rotated_color[y : y + h, x : x + w])
    return results

def saveFaces(faces):
    global count

    for face in faces:
        cv2.imwrite(
            '{dir_destination}{count}.jpg'.format(dir_destination = DIR_DESTINATION, count = count),
            face,
            [cv2.IMWRITE_JPEG_QUALITY, 100]
        )
        count += 1

count = 1
for path, subdirs, files in os.walk(DIR_ORIGIN):
    for name in files:
        path_full = os.path.join(path, name)
        if imghdr.what(path_full) in ['jpeg']:
            saveFaces(getFaces(path_full))
            print(path_full)