头部姿态估计代码+教程

news2024/9/21 0:53:19

前言

在这里插入图片描述

头部姿态估计是计算机视觉中的一个具有挑战性的问题，因为它需要完成多个步骤。
首先，我们需要在画面中定位人脸，然后识别出各种面部特征点。
如今，当人脸正对摄像头时，识别人脸似乎是一个简单的任务。但问题在于，当人脸处于某个角度时，由于头部的移动，某些面部特征点可能不可见。
接下来，我们需要将这些点转换成三维坐标来计算倾斜角度。听起来工作量很大？别担心，我们会一步步来，并参考两个非常棒的资源，这将使我们的工作变得容易得多。

使用pip

pip install opencv-python
pip install tensorflow

使用conda

conda install -c conda-forge opencv
conda install -c conda-forge tensorflow

人脸检测

我们的第一步是在图像上找到人脸，以便我们可以在上面找到面部特征点。为此，我们将使用OpenCV DNN模块的一个Caffe模型。如果你想知道它与其他模型（如Haar级联或Dlib的正面人脸检测器）相比如何，或者你想深入了解它，可以参阅这篇文章：

import cv2
import numpy as np
modelFile = "models/res10_300x300_ssd_iter_140000.caffemodel"
configFile = "models/deploy.prototxt.txt"
net = cv2.dnn.readNetFromCaffe(configFile, modelFile)
img = cv2.imread('test.jpg')
h, w = img.shape[:2]
blob = cv2.dnn.blobFromImage(cv2.resize(img, (300, 300)), 1.0,
(300, 300), (104.0, 117.0, 123.0))
net.setInput(blob)
faces = net.forward()
# 在图片上绘制人脸框
for i in range(faces.shape[2]):
    confidence = faces[0, 0, i, 2]
    if confidence > 0.5:
        box = faces[0, 0, i, 3:7] * np.array([w, h, w, h])
        (x, y, x1, y1) = box.astype("int")
        cv2.rectangle(img, (x, y), (x1, y1), (0, 0, 255), 2)

加载网络使用cv2.dnn.readNetFromCaffe并传递模型层和权重作为参数。它在调整为300x300大小的图像上表现最好。

面部特征点检测

最常用的可能是Dlib的面部特征点检测，它可以提供68个特征点，但准确性不高。相反，我们将使用Yin Guobing在GitHub仓库提供的面部特征点检测器。它同样提供了68个特征点，并且是一个基于TensorFlow的CNN，在五个数据集上训练！预训练模型可在此处找到。作者撰写了一系列文章解释了包括背景、数据集、预处理、模型架构、训练和部署等内容，这里强烈推荐你阅读。

在这一系列的第一篇文章中，他描述了视频中面部特征点稳定性的问题，并介绍了现有的解决方案，如OpenFace和Dlib的面部特征点检测，以及可用的数据集。第三篇文章全是关于数据预处理和使其准备好使用。接下来的两篇文章的工作是提取面部并应用面部特征点以准备训练CNN，并将它们存储为TFRecord文件。第六篇文章使用TensorFlow训练了一个模型。在这篇文章中，我们可以看到损失函数在训练中的重要性，因为最初他使用了tf.losses.mean_pairwise_squared_error，它基于点之间的关系进行优化以最小化损失，但无法很好地泛化。相比之下，使用tf.losses.mean_squared_error时效果很好。在最后一篇文章中，模型被导出为API，并展示了如何在Python中使用它。
在这里插入图片描述

该模型接受包含脸部的128x128大小的方框，并返回68个面部特征点。下面提供的代码来自此处，也可以用来在其上绘制3D注释框。代码经过修改，可以在所有脸上绘制面部特征点，而不仅仅是原始代码中的一个。

这段代码将在脸上绘制面部特征点。

绘制面部特征点

使用draw_annotation_box()函数，我们还可以如下所示绘制注释框。
在这里插入图片描述

带有注释框

姿态估计

这是Learn OpenCV上的一篇好文章，它解释了如何在图像上进行头部姿态检测，并详细说明了将点转换到三维空间以及使用cv2.solvePnP来寻找旋转和平移向量的数学原理。快速浏览那篇文章将有助于理解其内在运作，因此我在这里只简要介绍。

我们需要脸部的六个点，即鼻尖、下巴、嘴唇左右极点以及左眼左角和右眼右角。我们取这些面部特征点的标准三维坐标，并尝试估计鼻尖处的旋转和平移向量。现在，为了准确估计，我们需要相机的固有参数，如焦距、光学中心和径向畸变参数。我们可以估算前两者，并假设后者不存在以简化工作。在获得所需向量后，我们可以将那些三维点投影到二维表面上，也就是我们的图像。

如果我们仅使用现有代码并找到与x轴的角度，我们可以得到如下结果。
在这里插入图片描述