J'ai essayé d'automatiser le travail de masquage du visage de l'image de coordination pour l'usure

Connaissez-vous Wear? WEAR est un site de coordination mode et l'un de nos services. Bref, c'est un SNS qui partage la coordination mode de chacun.

Dans une telle usure, je ne connais pas la raison, mais il semble qu'il soit populaire de cacher le visage avec une icône etc. et de le poster. Est-ce parce que les personnes sans visage peuvent voir objectivement la coordination?

Cependant, le travail de masquage du visage est inopinément gênant, et j'aimerais pouvoir automatiser cela ... alors j'ai implémenté un programme pour le placement automatique des icônes.

Code source

import os.path
import datetime
import cv2
import time

#constant
#dossier de données
DATA_PATH = "data"
#dossier de résultats
RESULT_PATH = "result"
#Chemin de la cascade
CASCADE_PATH = "haarcascade_frontalface_default.xml"


def main():
    #Obtenez le répertoire actuel
    current_path = os.getcwd()
    icon_image_path = os.path.join(current_path, "icon.png ")
    icon_image = cv2.imread(cv2.samples.findFile(icon_image_path))

    #Obtenir le répertoire de données
    data_path = os.path.join(current_path, DATA_PATH)
    #Obtenir le répertoire de données
    result_path = os.path.join(current_path, RESULT_PATH)
    #Obtenez une liste de fichiers directement sous le répertoire
    data_list = os.listdir(data_path)

    for file in data_list:

        #Début de la minuterie de mesure du temps de traitement
        start = time.time()

        #Obtenir l'extension de fichier
        file_name, ext = os.path.splitext(file)

        #Lorsque l'extension est png ou jpeg
        if ext == u'.png' or ext == u'.jpg' or ext == u'.jpeg':
            #Charger l'image
            input_path = os.path.join(data_path, file)
            #Stockage d'image d'entrée
            image = cv2.imread(cv2.samples.findFile(input_path))

            #Conversion de l'échelle de gris
            image_gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

            #Acquérir la quantité de caractéristiques du classificateur en cascade
            cascade = cv2.CascadeClassifier(CASCADE_PATH)

            face_rect = cascade.detectMultiScale(image_gray, 1.1, 3, 5)

            if 0 < len(face_rect):

                print("Face discovery")

                for x, y, w, h in face_rect:
                    #Cache ton visage
                    image = put_icon(image, (x, y, x + w, y + h), icon_image)

            else:

                print("Face not found")

            output_path = os.path.join(result_path, create_time_path(file_name, ".png "))
            #Enregistrer l'image
            cv2.imwrite(output_path, image)

            #Arrêt de la minuterie de mesure du temps de traitement
            t = time.time() - start

            print(output_path, ":", t)


#Sortie d'un chemin de fichier unique avec l'heure
def create_time_path(file_name, ext):
    #Obtenez l'heure actuelle
    time = datetime.datetime.now()
    #Créer un chemin
    path = file_name + time.strftime("%Y%m%d%H%M%S") + ext

    return path


def put_icon(img, rect, icon_image):
    #Obtenez la zone pour couvrir l'icône
    x1, y1, x2, y2 = rect
    w = x2 - x1
    h = y2 - y1
    #Superposer l'icône sur l'image
    img2 = img.copy()
    icon_image = cv2.resize(icon_image, (w, h), cv2.INTER_AREA)
    img2[y1:y2, x1:x2] = icon_image
    return img2

if __name__ == '__main__':
    main()

Résultat d'exécution

La coordination de l'image originale ressemble à ceci. (Utilisez les photos qui sont populaires ...)

Après exécution, l'icône s'adapte parfaitement! !! !! Le travail pénible peut être effectué en un rien de temps! !! Ne vous inquiétez pas si l'image de l'icône convient ...

finalement

Étant donné que la précision de la reconnaissance faciale n'est pas très bonne, de nombreuses icônes seront définies en fonction de la photo, il peut donc être préférable de l'utiliser légèrement.