rotation de détection de visage

Voici un exemple simple que j'ai écrit avec Python cv2

Ce n'est pas la plus efficace de la chose, et il utilise le naïf sens proposé par etarion, mais il fonctionne assez bien pour les tout à fait normale, tête inclinable (Il détecte rien de -40 à 40 inclinaison de la tête, qui est à peu près autant que vous pouvez incliner votre tête debout.

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")

Naïf façon:

• Générer la liste des angles (par exemple, à partir de -170 à 180 ° en 10 degrés)
• Pour chaque angle n dans la liste:
  • Rotation de l'image par n degrés
  • Exécuter visage détecteur de rotation de l'image
  • Calculer la position des visages détectés dans l'image d'origine (à l'annulation de la rotation)
• Non-suppression maximale sur la rejoint résultat de tous les angles (vous aurez probablement obtenir plusieurs détections de voisins angles)

J'ai eu affaire avec le même problème de détection de visage pour les non-frontale images. Essayez d'utiliser le Multi Tâche CNN. C'est la meilleure solution pour la détection de visage et de l'alignement. Il est capable de faire face à des problèmes tels que diverses poses, de l'éclairage, de l'occlusion.

Le document est disponible sur Lien. Le code est disponible sur GitHub à Lien. J'ai utilisé le python de la mise en œuvre et les résultats sont remarquables. Bien que le code est un peu lent si l'image a beaucoup de visages.

Bien que si vous voulez rester OpenCV, puis une nouvelle profondeur modèle d'apprentissage pour la détection de visage a été ajouté à OpenCV. Les résultats ne sont pas aussi bon que le Multi Tâche CNN. Il y a une mise en œuvre de OpenCV Profonde Modèle d'Apprentissage pour la Détection de Visage à pyimagesearch Lien