Las marcas faciales dicen mucho de una persona. Ellas nos ayudan a transmitir sentimientos, nos ayudan en la comunicación verbal y no verbal. Las marcas faciales de una cara son expresiones que nos hablan de sentimientos, acciones, pensamientos e indudablemente son datos que podemos analizar.

Detección de Marcas Faciales con Python

Hoy presentamos un código simple pero que nos servirá de base para futuros algoritmos. En este código seremos capaces de reconocer 67 puntos faciales agrupados en partes de una cara como pueden ser:

• Boca
• Cejas (derecha e izquierda)
• Ojos (derechos e izquierdo)
• Nariz
• Mandibula

Aqui podeis ver el resultado del codigo en formato gif con la cara de nuestr@ amig@ Tremkel

Código Python para Detección de Marcas Faciales

from imutils import face_utils
import numpy as np
import imutils
import dlib
import cv2

PREDICTOR_PATH = "shape_predictor_68_face_landmarks.dat"


# Inicializa el detector de cara de dlib (HOG-based) y luego crea
# El factor predictivo de la marca facial
detector = dlib.get_frontal_face_detector()
predictor = dlib.shape_predictor(PREDICTOR_PATH)

# Cargar la imagen de entrada, redimensiona y la convierte a escala de grises
image = cv2.imread('Tremkel.jpg')
image = imutils.resize(image, width=500)
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

# Detectar caras en la imagen en escala de grises
rects = detector(gray, 1)

# ciclo sobre las detecciones de la cara
for (i, rect) in enumerate(rects):
# Determinar las marcas faciales para la región de la cara, luego
# Convertir el punto de referencia (x, y) - coordina a un array NumPy
  shape = predictor(gray, rect)
  shape = face_utils.shape_to_np(shape)

  # ciclo sobre las partes de la cara individualmente
  for (name, (i, j)) in face_utils.FACIAL_LANDMARKS_IDXS.items():
  # Clonar la imagen original para que podamos dibujar en ella, entonces
  # Mostrar el nombre de la parte de la cara en la imagen
    clone = image.copy()
    cv2.putText(clone, name, (10, 90), cv2.FONT_HERSHEY_SIMPLEX,0.9, (0, 0, 255), 2)

# Sobre el subconjunto de marcas faciales, dibuja la
# Parte de la cara específica
    for (x, y) in shape[i:j]:
      cv2.circle(clone, (x, y), 2, (53, 104, 45), -1)

# Extraer el ROI de la región de la cara como una imagen separada
    (x, y, w, h) = cv2.boundingRect(np.array([shape[i:j]]))
    roi = image[y:y + h, x:x + w]
    roi = imutils.resize(roi, width=250, inter=cv2.INTER_CUBIC)

    # muestra la parte particular de la cara
    cv2.imshow("ROI", roi)
    cv2.imshow("Image", clone)
    cv2.waitKey(0)

  # Visualizar todas las marcas faciales con una superposición transparente
  output = face_utils.visualize_facial_landmarks(image, shape)
  cv2.imshow("Image", output)
  cv2.waitKey(0)

El código se compone de 3 ciclos for donde se:

1. Detectan las marcas faciales
2. Determinan las partes de la cara de cada región
3. Clona la imagen original para que podamos dibujar en ella y mostrar el nombre de la parte de la cara en la imagen

Requisitos para correr el algoritmo

• cv2 (librería openCV)
• dlib (Un juego de herramientas para hacer aplicaciones de learning machine y analisis de datos para el mundo real)
• numpy
• archivo : shape_predictor_68_face_landmarks.dat (lo puedes descargar desde este link)

Curso de Python Avanzado con Dlib & OpenCV, Tutorial 4º

Curso de Python Avanzado con Dlib & OpenCV