使用面部标志检测的numpy数组创建一个文本文件。？答案

【问题标题】：Create an text file with numpy array of facial lanmark detection.?使用面部标志检测的numpy数组创建一个文本文件。？
【发布时间】：2019-05-25 02:45:13
【问题描述】：

我正在尝试制作具有面部标志检测代码的面部交换应用程序。但是，由于我是编程世界的新手，所以我的代码比需要的要长。我知道，有一些简短的方法可以做到这一点，我只是不知道如何。所以。这是我的代码：

predictor_path = "C:\\Users\\G7K4\\Desktop\\FinalFaceSwap\\shape_predictor_68_face_landmarks.dat"
filepath1 =  "C:\\Users\\G7K4\\Desktop\\FinalFaceSwap\\Image\\nil.jpg"

image1 = cv2.imread(filepath1)


detector = dlib.get_frontal_face_detector()
predictor = dlib.shape_predictor(predictor_path) 
dets1 = detector(image1)

for k, d in enumerate(dets1):
shape = predictor(img1, d)
#Detect 68 facial landmark points
vec = np.empty([68, 2], dtype = int)
for b in range(68):
    vec[b][0] = shape.part(b).x
    vec[b][1] = shape.part(b).y

#write the detected file in text file
with open("Model1.txt","w") as file:
    for i in range(len(vec)):
        outer=""
        outer += str(vec[i])
        file.write(outer)
        file.write("\n")

#read the text file and remove the brackets
with open("Model1.txt","r") as my_file:
    text=my_file.read()
    text= text.replace("[","")
    text= text.replace("]","")

#again write the file. 
with open("Model1.txt","w") as file:
    file.write(text)

#function for reading points from text file
def readPoints(path) :
    # Create an array of points.
    points = [];

    # Read points
    with open(path) as file :
        for line in file :
            x, y = line.split()
            points.append((int(x), int(y)))
    return points

所以，在这里，我需要检测面部标志并直接读取它，以便它可以用于面部交换。或者，如果无法完成，我需要检测面部标志并立即将其写入不带括号的文本文件，这样我就不必两次读取和写入文本文件并删除括号。

【问题讨论】：

标签： python numpy opencv dlib

【解决方案1】：

有一个名为 imutils 的包用于处理 dlib 面部标志。运行pip install imutils 进行安装。这是一个简单的方法

from imutils import face_utils

shape = predictor(img1, d)
shape = face_utils.shape_to_np(shape)

# access the x-coordinate point 20 
x_20 = shape[20][0]

# access the y-coordinate point 54 
y_54 = shape[54][1]

【讨论】：

【解决方案2】：

您确实需要以文本格式编写 numpy 矩阵数据并稍后删除括号。相反，numpy 已经提供了 np.save() 和 np.load() 方法用于序列化和反序列化目的。

我会在这里提供一个示例，另外最好将你的读写函数封装在不同的方法中，这样当你改变读/写逻辑时，你就不需要扫描整个代码。

创建随机面部特征点：

facial_points = np.zeros((68, 2), dtype=np.uint8)

# Fill in some absurd values:
for i in xrange(68):
    facial_points[i] = np.asarray([i, i%10])

读写数据的实用方法：

def serialize_feature_points(feature_points, file_path):
    np.save(file_path, feature_points)


def deserialize_feature_points(file_path):
    return np.load(file_path)

是时候采取一些行动了：

serialize_feature_points(facial_points, "feature_points1.npy")
print deserialize_feature_points("feature_points1.npy")

[[ 0  0]
 [ 1  1]
 [ 2  2]
 .... 
 [65  5]
 [66  6]
 [67  7]]

【讨论】：