OpenCV實戰：人臉關鍵點檢測（FaceMark）

github.com

教程目錄

• 測試環境
• 引言
• Facemark API
• Facemark訓練好的模型
• 利用OpenCV代碼進行實時人臉關鍵點檢測
• 步驟
• 代碼
• 實驗結果
• Reference

測試環境

• Windows10
• Visual Studio 2013
• OpenCV3.4.1+OpenCV3.4.1 Contrib

註：使用Windows的童鞋請注意，不推薦使用官網提供的OpenCV3.4.1 Window版本，因為官方提供的OpenCV3.4.1無Contrib庫，而且只支持vc14和vc15。所以建議使用CMake，自己下載上述資源，然後使用CMake編譯OpenCV和Contrib，生成自己環境下的OpenCV動態鏈接庫。如何編譯，請自行百度，謝謝！

引言

人臉一般是有68個關鍵點，常用的人臉開源庫有Dlib，還有很多深度學習的方法。

本教程僅利用OpenCV，不依賴任何其它第三方庫來實現人臉關鍵點檢測，這一特性是之前沒有的。因為OpenCV自帶的samples中只有常見的人臉檢測、眼睛檢測和眼鏡檢測等（方法是harr+cascade或lbp+cascade）。

本教程主要參考Facemark : Facial Landmark Detection using OpenCV[1]

截止到2018-03-20，OpenCV3.4可支持三種人臉關鍵點檢測，但目前只能找到一種已訓練好的模型，所以本教程只介紹一種實現人臉關鍵點檢測的演算法。而且此類演算法還沒有Python介面，所以這裡只介紹C++的代碼實現。

Facemark API

OpenCV官方的人臉關鍵點檢測API稱為Facemark。Facemark目前分別基於下述三篇論文，實現了三種人臉關鍵點檢測的方法。

• FacemarkKazemi[2]: This implementation is based on a paper titled 「One Millisecond Face Alignment with an Ensemble of Regression Trees」 by V.Kazemi and J. Sullivan published in CVPR 2014[3]. An alternative implementation of this algorithm can be found in DLIB

• FacemarkAAM[4]: This implementation uses an Active Appearance Model (AAM) and is based on an the paper titled 「Optimization problems for fast AAM fitting in-the-wild」 by G. Tzimiropoulos and M. Pantic, published in ICCV 2013[5].

• FacemarkLBF[6]: This implementation is based a paper titled 「Face alignment at 3000 fps via regressing local binary features」 by S. Ren published in CVPR 2014[7].

在寫這篇文章的時候，FacemarkKazemi類似乎不是從Facemark類派生的，而其他兩個類都是。

Facemark訓練好的模型

儘管Facemark API包含三種不同的實現，但只有FacemarkLBF（local binary features，LBF）才提供經過訓練的模型。 （之後在我們根據公共數據集訓練我們自己的模型後，這篇文章將在未來更新）

你可以從中下載已訓練好的模型：

• lbfmodel.yaml[8]

利用OpenCV代碼進行實時人臉關鍵點檢測

步驟

1. 載入人臉檢測器（face detector）

所有的人臉關鍵點檢測演算法的輸入都是一個截切的人臉圖像。因為，我們的第一步就是在圖像中檢測所有的人臉，並將所有的人臉矩形框輸入到人臉關鍵點檢測器中。這裡，我們可以使用OpenCV的Haar人臉檢測器或者lbp人臉檢測器來檢測人臉。

2. 創建Facemark對象

創建Facemark類的對象。在OpenCV中，Facemark是使用智能指針（smart pointer，PTR），所以我們不需要考慮內存泄漏問題。

3. 載入landmark檢測器

載入關鍵點檢測器（lbfmodel.yaml）。此人臉檢測器是在幾千幅帶有關鍵點標籤的人臉圖像上訓練得到的。

帶有注釋/標籤關鍵點的人臉圖像公共數據集可以訪問這個鏈接下載：https://ibug.doc.ic.ac.uk/resources/facial-point-annotations/

4.從網路攝像頭中捕獲幀

捕獲視頻幀並處理。我們既可以打開一個本地視頻(.mp4)，也可以打開網路攝像機（如果電腦有的話）來進行人臉關鍵點檢測。

5. 檢測人臉

我們對視頻的每一幀運行人臉檢測器。人臉檢測器的輸出是一個包含一個或多個矩形（rectangles）的容器（vector），即視頻幀中可能有一張或者多張人臉。

6. 運行人臉關鍵點檢測器

我們根據人臉矩形框截取原圖中的人臉ROI，再利用人臉關鍵點檢測器（facial landmark detector）對人臉ROI進行檢測。

對於每張臉我們獲得，我們可以獲得68個關鍵點，並將其存儲在點的容器中。因為視頻幀中可能有多張臉，所以我們應採用點的容器的容器。

7. 繪製人臉關鍵點

根據獲得關鍵點，我們可以在視頻幀上繪製出來並顯示。

代碼

本教程的代碼一共有兩個程序，分別為faceLandmarkDetection.cpp和drawLandmarks.hpp。

• faceLandmarkDetection.cpp實現視頻幀捕獲、人臉檢測、人臉關鍵點檢測；
• drawLandmarks.hpp實現人臉關鍵點繪製和多邊形線繪製。

faceLandmarkDetection.cpp

1// Summary: 利用OpenCV的LBF演算法進行人臉關鍵點檢測 2// Author: Amusi 3// Date: 2018-03-20 4// Reference: 5// [1]Tutorial: https://www.learnopencv.com/facemark-facial-landmark-detection-using-opencv/ 6// [2]Code: https://github.com/spmallick/learnopencv/tree/master/FacialLandmarkDetection 7 8// Note: OpenCV3.4以及上支持Facemark 910#include <opencv2/opencv.hpp>11#include <opencv2/face.hpp>12#include "drawLandmarks.hpp"131415using namespace std;16using namespace cv;17using namespace cv::face;181920int main(int argc,char** argv)21{22 // 載入人臉檢測器（Face Detector）23 // [1]Haar Face Detector24 //CascadeClassifier faceDetector("haarcascade_frontalface_alt2.xml");25 // [2]LBP Face Detector26 CascadeClassifier faceDetector("lbpcascade_frontalface.xml");2728 // 創建Facemark類的對象29 Ptr<Facemark> facemark = FacemarkLBF::create();3031 // 載入人臉檢測器模型32 facemark->loadModel("lbfmodel.yaml");3334 // 設置網路攝像頭用來捕獲視頻35 VideoCapture cam(0);3637 // 存儲視頻幀和灰度圖的變數38 Mat frame, gray;3940 // 讀取幀41 while(cam.read(frame))42 {4344 // 存儲人臉矩形框的容器45 vector<Rect> faces;46 // 將視頻幀轉換至灰度圖, 因為Face Detector的輸入是灰度圖47 cvtColor(frame, gray, COLOR_BGR2GRAY);4849 // 人臉檢測50 faceDetector.detectMultiScale(gray, faces);5152 // 人臉關鍵點的容器53 vector< vector<Point2f> > landmarks;5455 // 運行人臉關鍵點檢測器（landmark detector）56 bool success = facemark->fit(frame,faces,landmarks);5758 if(success)59 {60 // 如果成功, 在視頻幀上繪製關鍵點61 for(int i = 0; i < landmarks.size(); i++)62 {63 // 自定義繪製人臉特徵點函數, 可繪製人臉特徵點形狀/輪廓64 drawLandmarks(frame, landmarks[i]);65 // OpenCV自帶繪製人臉關鍵點函數: drawFacemarks66 drawFacemarks(frame, landmarks[i], Scalar(0, 0, 255));67 }6869 }7071 // 顯示結果72 imshow("Facial Landmark Detection", frame);7374 // 如果按下ESC鍵, 則退出程序75 if (waitKey(1) == 27) break;7677 }78 return 0;79}

drawLandmarks.hpp

1// Summary: 繪製人臉關鍵點和多邊形線 2// Author: Amusi 3// Date: 2018-03-20 4 5#ifndef _renderFace_H_ 6#define _renderFace_H_ 7 8#include <iostream> 9#include <opencv2/opencv.hpp>1011using namespace cv; 12using namespace std; 1314#define COLOR Scalar(255, 200,0)1516// drawPolyline通過連接開始和結束索引之間的連續點來繪製多邊形線。17void drawPolyline18(19 Mat &im,20 const vector<Point2f> &landmarks,21 const int start,22 const int end,23 bool isClosed = false24)25{26 // 收集開始和結束索引之間的所有點27 vector <Point> points;28 for (int i = start; i <= end; i++)29 {30 points.push_back(cv::Point(landmarks[i].x, landmarks[i].y));31 }3233 // 繪製多邊形曲線34 polylines(im, points, isClosed, COLOR, 2, 16);3536}3738// 繪製人臉關鍵點39void drawLandmarks(Mat &im, vector<Point2f> &landmarks)40{41 // 在臉上繪製68點及輪廓（點的順序是特定的，有屬性的）42 if (landmarks.size() == 68)43 {44 drawPolyline(im, landmarks, 0, 16); // Jaw line45 drawPolyline(im, landmarks, 17, 21); // Left eyebrow46 drawPolyline(im, landmarks, 22, 26); // Right eyebrow47 drawPolyline(im, landmarks, 27, 30); // Nose bridge48 drawPolyline(im, landmarks, 30, 35, true); // Lower nose49 drawPolyline(im, landmarks, 36, 41, true); // Left eye50 drawPolyline(im, landmarks, 42, 47, true); // Right Eye51 drawPolyline(im, landmarks, 48, 59, true); // Outer lip52 drawPolyline(im, landmarks, 60, 67, true); // Inner lip53 }54 else 55 { 56 // 如果人臉關鍵點數不是68，則我們不知道哪些點對應於哪些面部特徵。所以，我們為每個landamrk畫一個圓圈。57 for(int i = 0; i < landmarks.size(); i++)58 {59 circle(im,landmarks[i],3, COLOR, FILLED);60 }61 }6263}6465#endif // _renderFace_H_

實驗結果

Reference

[1]Tutorial：https://www.learnopencv.com/facemark-facial-landmark-detection-using-opencv/

[2]FacemarkKazemi：https://docs.opencv.org/trunk/dc/de0/classcv_1_1face_1_1FacemarkKazemi.html

[3]One Millisecond Face Alignment with an Ensemble of Regression Trees：http://www.csc.kth.se/~vahidk/face_ert.html

[4]FacemarkAAM：

https://docs.opencv.org/trunk/d5/d7b/classcv_1_1face_1_1FacemarkAAM.html

[5]Optimization problems for fast AAM fitting in-the-wild：

https://ibug.doc.ic.ac.uk/media/uploads/documents/tzimiro_pantic_iccv2013.pdf

[6]FacemarkLBF：https://docs.opencv.org/trunk/dc/d63/classcv_1_1face_1_1FacemarkLBF.html

[7]Face alignment at 3000 fps via regressing local binary features：http://www.jiansun.org/papers/CVPR14_FaceAlignment.pdf

[8]lbfmodel.yaml：https://github.com/kurnianggoro/GSOC2017/blob/master/data/lbfmodel.yaml

-----我是可愛的分割線-------

如何下載教程中的所有源碼和模型？

請點擊下面github鏈接！

記得給star哦！OpenCV實戰：人臉關鍵點檢測（FaceMark）