第四十四章 人脸68关键点检测实验

在上一章节中，介绍了利用maix.KPU模块实现了人脸属性分析，本章将继续介绍利用maix.KPU模块实现的人脸68关键点检测。通过本章的学习，读者将学习到人脸68关键点检测应用在CanMV上的实现。

本章分为如下几个小节：

44.1 maix.KPU模块介绍

44.2 硬件设计

44.3 程序设计

44.4 运行验证

44.1 maix.KPU模块介绍

有关maix.KPU模块的介绍，请见第39.1小节《maix.KPU模块介绍》。

44.2 硬件设计

44.2.1 例程功能

1. 获取摄像头输出的图像，并送入KPU进行人脸检测，接着对检测到的人脸分别进行人脸68关键点检测，最后将所有的检测结果和原始图像一同在LCD上进行显示。

44.2.2 硬件资源

本章实验内容，主要讲解maix.KPU模块的使用，无需关注硬件资源。

44.2.3 原理图

本章实验内容，主要讲解maix.KPU模块的使用，无需关注原理图。

44.3 程序设计

44.3.1 maix.KPU模块介绍

有关maix.KPU模块的介绍，请见第44.1小节《maix.KPU模块介绍》。

44.3.2 程序流程图

图44.3.2.1 人脸68关键点检测实验流程图

44.3.3 main.py代码

main.py中的脚本代码如下所示：

import lcd

import sensor

import gc

from maix import KPU

lcd.init()

sensor.reset()

sensor.set_framesize(sensor.QVGA)

sensor.set_pixformat(sensor.RGB565)

sensor.set_hmirror(False)

anchor = (0.1075, 0.126875, 0.126875, 0.175, 0.1465625, 0.2246875, 0.1953125, 0.25375, 0.2440625, 0.351875, 0.341875, 0.4721875, 0.5078125, 0.6696875, 0.8984375, 1.099687, 2.129062, 2.425937)

names = ['face']

# 构造并初始化人脸检测KPU对象

face_detecter = KPU()

face_detecter.load_kmodel("/sd/KPU/face_detect_320x240.kmodel")

face_detecter.init_yolo2(anchor, anchor_num=len(anchor) // 2, img_w=320, img_h=240, net_w=320, net_h=240, layer_w=10, layer_h=8, threshold=0.5, nms_value=0.2, classes=len(names))

# 构造并初始化人脸68关键点检测KPU对象

lm68_kpu = KPU()

lm68_kpu.load_kmodel("/sd/KPU/landmark68.kmodel")

# 按指定比例扩展矩形框

def extend_box(x, y, w, h, scale):

    x1 = int(x - scale * w)

    x2 = int(x + w - 1 + scale * w)

    y1 = int(y - scale * h)

    y2 = int(y + h - 1 + scale * h)

    x1 = x1 if x1 > 0 else 0

    x2 = x2 if x2 < (320 - 1) else (320 - 1)

    y1 = y1 if y1 > 0 else 0

    y2 = y2 if y2 < (240 - 1) else (240 - 1)

    return x1, y1, x2 - x1 + 1, y2 - y1 + 1

while True:

    img= sensor.snapshot()

   face_detecter.run_with_output(img)

   faces = face_detecter.regionlayer_yolo2()

    for face in faces:

       # 框出人脸位置

       x, y, w, h = extend_box(face[0], face[1], face[2], face[3], 0.08)

       img.draw_rectangle(x, y, w, h, color=(0, 255, 0))

       # 计算人脸68关键点

       face_img = img.cut(x, y, w, h)

       resize_img = face_img.resize(128, 128)

       resize_img.pix_to_ai()

       output = lm68_kpu.run_with_output(resize_img, getlist=True)

       for i in range(len(output) // 2):

           point_x = int(KPU.sigmoid(output[2 * i]) * w + x)

           point_y = int(KPU.sigmoid(output[2 * i + 1]) * h + y)

           img.draw_cross(point_x, point_y, size=5, color=(0, 0, 255))

       del face_img

       del resize_img

    lcd.display(img)

    gc.collect()

可以看到一开始是先初始化了LCD和摄像头，并分别构造并初始化了用于人脸检测和人脸68关键点检测的KPU对象。

然后便是在一个循环中不断地获取摄像头输出的图像，首先将图像进行人脸检测，检测图像中存在的人脸，接着对人脸图像进行68关键点检测，分析出人脸68关键点的位置，最后将以上所有的分析检测结果在图像上进行绘制，然后在LCD上显示图像。

44.4 运行验证

将DNK210开发板连接CanMV IDE，点击CanMV IDE上的“开始(运行脚本)”按钮后，将摄像头对准人脸，让其采集到人脸图像，随后便能在LCD上看到摄像头输出的图像，同时能看到图像上标注了人脸位置和人脸68关键点位置等信息，如下图所示：

图44.4.1 LCD显示人脸68关键点检测实验结果