如何在 mediapipe 中获取面部混搭地标的坐标答案

【问题标题】：Python: How to get Face Mesh landmarks coordinates in MediaPipe?如何在 mediapipe 中获取面部混搭地标的坐标
【发布时间】：2021-07-12 11:03:32
【问题描述】：

我正在尝试使用带有地标线的列表与 mediapipe 的面部混搭- 例如：地标[6]: (0.36116672, 0.93204623, 0.0019629495)...

我找不到这样做的方法，并会寻求帮助。（在python中）

【问题讨论】：

标签： python mediapipe facial-landmark-alignment

【解决方案1】：

Mediapipe 的界面比您公开看到的大多数模型更复杂。但无论如何，您正在寻找的东西很容易实现。

import cv2
import mediapipe as mp
mp_drawing = mp.solutions.drawing_utils
mp_face_mesh = mp.solutions.face_mesh

file_list = ['test.png']
# For static images:
drawing_spec = mp_drawing.DrawingSpec(thickness=1, circle_radius=1)
with mp_face_mesh.FaceMesh(
    static_image_mode=True,
    min_detection_confidence=0.5) as face_mesh:
  for idx, file in enumerate(file_list):
    image = cv2.imread(file)
    # Convert the BGR image to RGB before processing.
    results = face_mesh.process(cv2.cvtColor(image, cv2.COLOR_BGR2RGB))

    # Print and draw face mesh landmarks on the image.
    if not results.multi_face_landmarks:
      continue
    annotated_image = image.copy()
    for face_landmarks in results.multi_face_landmarks:
      print('face_landmarks:', face_landmarks)
      mp_drawing.draw_landmarks(
          image=annotated_image,
          landmark_list=face_landmarks,
          connections=mp_face_mesh.FACE_CONNECTIONS,
          landmark_drawing_spec=drawing_spec,
          connection_drawing_spec=drawing_spec)

在这个取自 here 的示例中，您可以看到它们正在迭代 results.multi_face_landmarks：

for face_landmarks in results.multi_face_landmarks:

这里的每个迭代都包含关于图像中检测到的每个人脸的信息，results.multi_face_landmarks的长度是图像中检测到的人脸数量。

当您打印比方说 - 第一张脸的属性时，您会看到 'landmark' 作为最后一个属性。

dir(results.multi_face_landmarks[0])
>> ..., 'landmark']

我们需要地标属性进一步获取像素坐标。

landmark属性的长度为468，基本上就是回归后预测的[x,y,z]关键点的个数。

如果我们取第一个关键点：

results.multi_face_landmarks[0].landmark[0]

它会给我们标准化的 [x,y,z] 值：

x: 0.25341567397117615
y: 0.71121746301651
z: -0.03244325891137123

最后，这里的x、y和z是每个关键点的属性。我们可以通过在关键点上调用 dir() 来检查。

现在您可以轻松达到标准化像素坐标：

results.multi_face_landmarks[0].landmark[0].x -> X coordinate
results.multi_face_landmarks[0].landmark[0].y -> Y coordinate
results.multi_face_landmarks[0].landmark[0].z -> Z coordinate

对于像素坐标的非规范化，我们应该将 x 坐标乘以宽度和 y 坐标乘以高度。

示例代码：

for face in results.multi_face_landmarks:
    for landmark in face.landmark:
        x = landmark.x
        y = landmark.y

        shape = image.shape 
        relative_x = int(x * shape[1])
        relative_y = int(y * shape[0])

        cv2.circle(image, (relative_x, relative_y), radius=1, color=(225, 0, 100), thickness=1)
cv2_imshow(image)

这会给我们：

Click to see result image

【讨论】：

【解决方案2】：

这是一个完整的解释-

Face Mesh MediaPipe

import cv2
import mediapipe as mp
mp_drawing = mp.solutions.drawing_utils
mp_face_mesh = mp.solutions.face_mesh

# For static images:
drawing_spec = mp_drawing.DrawingSpec(thickness=1, circle_radius=1)
with mp_face_mesh.FaceMesh(
    static_image_mode=True,
    max_num_faces=1,
    min_detection_confidence=0.5) as face_mesh:
  for idx, file in enumerate(file_list):
    image = cv2.imread(file)
    # Convert the BGR image to RGB before processing.
    results = face_mesh.process(cv2.cvtColor(image, cv2.COLOR_BGR2RGB))

    # Print and draw face mesh landmarks on the image.
    if not results.multi_face_landmarks:
      continue
    annotated_image = image.copy()
    for face_landmarks in results.multi_face_landmarks:
      print('face_landmarks:', face_landmarks)

【讨论】：

您缺少包含要读取的图像列表的变量，此处为file_list = ['test.png']

【解决方案3】：

Mediapipe 的界标值由图像的宽度和高度标准化。之后，获取地标值只需将地标的 x 乘以图像的宽度，将地标的 y 乘以图像的高度。您可以查看link 以获取有关 mediapipe 的完整教程。它正在制作中，但很快就会完成。

【讨论】：

【解决方案4】：

要打印地标的坐标，您必须检查它们是否存在，之后您可以访问 x、y 和 z 坐标。地标 0 的代码是：

        #in the cycle of capture
        if results.multi_face_landmarks:
            coord= results.multi_face_landmarks.landmark[0]
            print(''.join(['(',str(coord.x),',',str(coord.y),',',str(coord.z)  ,')']))

【讨论】：