联系人：卧虎
TG：xylmwohu
发布日期：2023/2/27 17:56:19 访问次数：365
叠加起来的颜色和提取到的颜色并不相似，在颜色的比对上需求手动调参。几经迂回，最后输出的结果还是可以接受的，上图人像中涂的口白色号，感兴味的读者可以查下正好是下面输出排名第一的口红信息。误差分析关于我们测试的图片信息，文摘菌标志了嘴唇区域的特征点，我们提取到的RGB值（156,59,103）颜色如下所示：可以看到和图片的颜色已经十分接近了，而数据集合lipstick.json中这种口红存储的16进制颜色值爲#842C71，对应的颜色如下：清楚看到数据集存储的颜色和理论照片的颜色是有些许误差的，而在本文算法完成进程中，又不可避免的有以下误差：嘴唇区域截取不可避免会截取到皮肤中的一部分颜色，虽然算法已经将那种可以降到最低；颜色提取上，虽然截取多个嘴唇图片求平均值，但是本身的提取算法还是和理论值稍有倾向；RGB颜色相似度比对的算法也不够精确；最最重要的是，照片必需是原图，而且光线要自然，加了滤镜的图是怎样也不可以识别出来的。以上种种，使得让计算机快速高效地识别不同的口白色号还是有困难的，原来计算机有时分也会很直男。文末福利：实时人像口白色号预测看到这儿，可以很多读者小同伴想实时地试一下能不能让计算机判别自己的口白色号，这关于OpenCV这一强大的图形操作库来说，不是什麼成果，它可以翻开你的摄像头，读取每一帧的图片，结合前文提到的人脸识别代码，可以实时地截取到嘴唇区域的图片，然后交给计算机预测，从此再也不怕女小同伴的灵魂拷问！最后，附上翻开摄像头的代码，快叫女小同伴过来试下吧！#coding=utf8import cv2import timeprint(Press Esc to exit)imgWindow = cv2.namedWindow(FaceDetect, cv2.WINDOW_NORMAL)import sysimport osimport dlibimport globimport numpyfrom skimage import iodef detect_face(): capInput = cv2.VideoCapture(0) #nextCaptureTime = time.time() faces = [] feas = [] if not capInput.isOpened(): print(Capture failed because of camera) while 1: ret, img = capInput.read() gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) gray = cv2.equalizeHist(gray) time=0 eTime = time.time() + 0.1 detector = dlib.get_frontal_face_detector() predictor = dlib.shape_predictor(shape_predictor_68_face_landmarks.dat) dets = detector(gray, 1) print("Number of faces detected: {}".format(len(dets))) for a in dets: cv2.rectangle(img,(a.left(),a.top()),(a.right(),a.bottom()),(255,0,0)) for index, face in enumerate(dets): print(face {}; left {}; top {}; right {}; bottom {}.format(index, face.left(), face.top(), face.right(), face.bottom())) shape = predictor(gray, face) for i, pt in enumerate(shape.parts()): #print(Part {}: {}.format(i, pt)) pt_pos = (pt.x, pt.y) cv2.circle(img, pt_pos, 2, (255, 0, 0), 1) cv2.imshow(FaceDetect,img) if cv2.waitKey(1) & 0xFF == 27: break capInput.release() cv2.destroyAllWindows()if __name__ == "__main__": detect_face()好啦，佳期如梦，双星良夜，在这个充溢爱意的日子里，定位好女神常用的口白色号，和那个她来场华美的邂逅吧！不说了，文摘菌去下单口红了！