基于YOLOv5的人脸关键点检测(附代码)

人脸关键点检测项目说明

本项目的实现主要依靠两个算法：yolov5目标检测和resnet人脸关键点算法。

其中目标检测算法为人脸关键点检测算法的前置算法，使用目标检测算法将人脸信息进行提取(起到前景与背景的分离)，然后再对box内的人脸信息进行关键点检测。

本项目支持功能：

人脸关键点的训练：√

人脸关键点的视频检测：√

注：本项目为人脸关键点检测，人脸目标检测训练部分没有在本项目中。

---

环境说明

torch>=1.5
tqdm>=4.62.2
​

数据集

人脸关键点数据集采用的是WFLW数据集

本项目的人脸标签为98个关键点信息，标注信息如下图所示：

数据集的详细介绍可参考：Look at Boundary: A Boundary-Aware Face Alignment Algorithm

  @inproceedings{wayne2018lab,  
  author = {Wu, Wayne and Qian, Chen and Yang, Shuo and Wang, Quan and Cai, Yici and Zhou, Qiang},  
  title = {Look at Boundary: A Boundary-Aware Face Alignment Algorithm},  
  booktitle = {CVPR},  
  month = June,  
  year = {2018}  
  }   

数据集百度云：

链接：人脸关键点数据集 提取码：yypn

将下载的数据集放在datasets文件中，目录形式如下：

datasets/
|-- WFLW_annotations  # 存放标签信息
`-- WFLW_images  # 存放图像

项目使用方法

下载代码：

GitHub - YINYIPENG-EN/yolov5_face_landmark: 采用yolov5和resnet实现的人脸关键点检测

本项目提供已训练的权重，下载权重并保存到weights。百度云权重链接：

链接：权重链接 提取码：yypn

模型训练

根目录下运行命令： python train.py (注意脚本内相关参数配置 )

视频检测

根目录下运行命令： python predict.py (注意脚本内相关参数配置 )

该部分为有偿提供

例如：

python predict.py --source demo.mp4 --yolo_weight weights/yolov5_face.pt --face_weight weights/resnet_50-epoch-724.pth

效果展示如下：