单人脸的关键点检测

闲暇之余做了一个简单的单人的脸部关键点检测，使用的pytorch框架，别人训练好的现成模型。其中人脸检测模型是YOLOface5（onnx格式的权重），关键点检测模型是PFLD（能检测98个关键点），是别人在原论文中用MobileOne改了骨干网训练好的，我直接拿来用了。这里感谢AnthonyF333，其训练和pytorch转onnx代码均已给出，地址为GitHub - AnthonyF333/PFLD_GhostOne。最终我的项目放到了github上，地址为：https://github.com/luoyoutao/FaceKeyPoints。

废话不多说，我直接上代码了（这个代码可以直接运行，不过有些路径参数需要根据自己的实际项目来更改一下）。

首先，导入需要的包：

import cv2
import time
import numpy as np
from PIL import Image, ImageDraw, ImageFont

import torch
import onnxruntime
import torchvision.transforms as transforms

下面是检测的主函数（会调用一些其他函数，在后面）：

整体的流程是：

1、设置一些路径参数；

2、加载模型；

3、onnx的预热，即模型第一次预测需要花费大量的时间启动GPU，为了让真实检测时顺畅，先给模型喂一个数据。

检测的流程：

1、将原图复制一份，缩放到640*640。如果直接让输入视频或者摄像头的尺寸为640*640，那么检测就更快，且更方便。

2、送入yolo5face模型，输出shape是(12500, 16)，即有12500个box，每个box16个数据，分别是center_x, center_y, w, h, threse, ....。然后将center_x, center_y, w, h转换成x1, y1, x2, y2，即对角线坐标。可能会检测到多个人脸，我这里由于检测单人的，所有直接取检测分数值最大的box，nms函数就简单得多。先sort排序，返回第一个box即可。我参考的这个项目，他是按照多人检测的，你可以根据自己的需求来即可。