基于Landmark的人脸对齐以及裁剪方法

利用Landmarks进行人脸对齐裁剪是人脸检测中重要的一个步骤。效果如下图所示：

基本思路为：

a.人脸检测

　　人脸的检测不必多说了，基本Cascade的方式已经很不错了，或者用基于HOG/FHOG的SVM/DPM等。这些在OpenCV，DLIB都有。

b.在检测到的人脸上进行Landmarks检测，获得一系列的Landmark点

　　对齐算法很多，特别是前几年人脸对齐获得了巨大的成功。

　　[1].One Millisecond Face Alignment with an Ensemble of Regression Trees by Vahid Kazemi and Josephine Sullivan, CVPR 2014

　　[2].人脸对齐SDM原理—-Supervised Descent Method and its Applications to Face Alignment

c.利用检测到的Landmarks和模板的Landmarks，计算仿射矩阵H；然后利用H，直接计算得到对齐后的图像。

　　直接上代码：
　　

#include <opencv2/opencv.hpp>
using namespace cv;
//原始图像大小
#define IMAGE_WIDTH 640
#define IMAGE_HEIGHT 480
//输出的图像大小（裁剪后的）
#define IMAGE_WIDTH_STD 90
#define IMAGE_HEIGHT_STD 90

#define LANDMARK_SIZE 8//对齐点的个数
#define LANDMARK_SIZE_DOUBLE 16//对齐点个数的两倍

Point2f srcTri[LANDMARK_SIZE];//对齐点的Point2f数组,检测到的人脸对齐点，注意这里是基于原始图像的坐标点
Point2f destTri[LANDMARK_SIZE];//对齐点的Point2f数组,模板的Landmarks，注意这是一个基于输出图像大小尺寸的坐标点
                               //对齐点的double数组
double template_landmark[LANDMARK_SIZE_DOUBLE] = {
    0.0792396913815, 0.339223741112, 0.0829219487236, 0.456955367943,
    0.0967927109165, 0.575648016728, 0.122141515615, 0.691921601066,
    0.168687863544, 0.800341263616, 0.239789390707, 0.895732504778,
    0.325662452515, 0.977068762493, 0.422318282013, 1.04329000149,
    0.531777802068, 1.06080371126, 0.641296298053, 1.03981924107,
    0.738105872266, 0.972268833998, 0.824444363295, 0.889624082279,
    0.894792677532, 0.792494155836, 0.939395486253, 0.681546643421,
    0.96111933829, 0.562238253072, 0.970579841181, 0.441758925744
};


int main()
{
    VideoCapture vcap;
    if (!vcap.open(0))
    {
        return 0;
    }

    for (int i = 0; i < LANDMARK_SIZE; i++)
    {
        srcTri[i] = Point2f(template_landmark[i * 2] * 90 + IMAGE_HEIGHT / 2, template_landmark[i * 2 + 1] * 90 + IMAGE_WIDTH / 2);
        destTri[i] = Point2f(template_landmark[i * 2] * IMAGE_HEIGHT_STD, template_landmark[i * 2 + 1] * IMAGE_WIDTH_STD);
    }
    //Mat warp_mat = getAffineTransform( srcTri, destTri );//使用仿射变换，计算H矩阵
    Mat warp_mat = cv::estimateRigidTransform(srcTri, destTri, false);//使用相似变换，不适合使用仿射变换，会导致图像变形
    Mat frame;
    Mat warp_frame(200, 200, CV_8UC3);
    while (1)
    {
        vcap >> frame;
        warpAffine(frame, warp_frame, warp_mat, warp_frame.size());//裁剪图像

        imshow("frame", frame);//显示原图像
        imshow("warp_frame", warp_frame);//显示裁剪后得到的图像

        waitKey(10);
    }
    return 0;
}

效果图：

转载自：https://www.cnblogs.com/cv-pr/articles/5438351.aspx
如果侵犯了版权，请联系我。