根据位置(从json)绘制人脸框图

痛定思痛。 2022-02-05 00:07 99阅读 0赞

今天做了一个人脸检测的网站，调用了face++的API。效果还不错。

github地址：[https://github.com/JameyWoo/face\_detect][https_github.com_JameyWoo_face_detect]

--------------------

### 网站界面 ###

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dqaDI2MjIwNzUxMjc_size_16_color_FFFFFF_t_70]  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dqaDI2MjIwNzUxMjc_size_16_color_FFFFFF_t_70 1]

--------------------

**API返回的是一个json字符串，其中有一项属性是人脸的位置**  
![在这里插入图片描述][20190503233002714.png]  
解析json文件的时候会出现一个问题是：它返回的引号是单引号。有两种解决方法，一种是替换，另一种是先使用eval+json.dumps方法，再使用json.loads方法。

**json文件的解析参考代码**

str = ''' {'attributes': {'age': {'value': 24}, 'beauty': {'female_score': 75.175, 'male_score': 75.144}, 'blur': {'blurness': {'threshold': 50.0, 'value': 9.103}, 'gaussianblur': {'threshold': 50.0, 'value': 9.103}, 'motionblur': {'threshold': 50.0, 'value': 9.103}}, 'emotion': {'anger': 32.633, 'disgust': 0.33, 'fear': 0.087, 'happiness': 0.863, 'neutral': 65.645, 'sadness': 0.122, 'surprise': 0.319}, 'ethnicity': {'value': 'INDIA'}, 'eyestatus': {'left_eye_status': {'dark_glasses': 0.007, 'no_glass_eye_close': 0.198, 'no_glass_eye_open': 80.633, 'normal_glass_eye_close': 0.295, 'normal_glass_eye_open': 18.677, 'occlusion': 0.191}, 'right_eye_status': {'dark_glasses': 6.296, 'no_glass_eye_close': 0.182, 'no_glass_eye_open': 92.223, 'normal_glass_eye_close': 0.003, 'normal_glass_eye_open': 1.248, 'occlusion': 0.048}}, 'facequality': {'threshold': 70.1, 'value': 0.006}, 'gender': {'value': 'Male'}, 'glass': {'value': 'None'}, 'headpose': {'pitch_angle': -6.716119, 'roll_angle': -14.588619, 'yaw_angle': -78.17652}, 'mouthstatus': {'close': 0.211, 'open': 97.742, 'other_occlusion': 2.047, 'surgical_mask_or_respirator': 0.0}, 'skinstatus': {'acne': 11.584, 'dark_circle': 1.84, 'health': 21.948, 'stain': 3.273}, 'smile': {'threshold': 50.0, 'value': 4.688}}, 'face_rectangle': {'height': 140, 'left': 558, 'top': 284, 'width': 140}, 'face_token': 'd9b1aae1a746a57d2d91859b8b864f27'} '''
    
    # str = str.replace("'", "\"")
    print(type(str))
    data = json.loads(json.dumps(eval(str)))
    print(data)

写一个函数解析出返回的json中的人脸位置信息，添加到一个列表中以便批量处理。

import json
    def get_locations(json_name):
        with open(json_name, 'r') as file:
            txt = file.read()
            # data = json.loads(json.dumps(eval(txt))) # 两种方法解决单引号问题
            data = json.loads(txt.replace('\'', '"'))
            print(type(data))
        locations = []
        for each in data['faces']:
            height = each['face_rectangle']['height']
            left = each['face_rectangle']['left']
            top = each['face_rectangle']['top']
            width = each['face_rectangle']['width']
            locations.append([height, left, top, width])
        return locations

**使用PIL库绘制人脸框图**  
参考 [https://blog.csdn.net/caobin0825/article/details/80338438][https_blog.csdn.net_caobin0825_article_details_80338438]

from PIL import Image
    
    def draw4lines(location, filename): # location为元素为[height, left, top, width]（人脸位置）的列表
        img = Image.open(filename)
        line = (255, 0, 0, 0)
        for each in location:
            height, left, top, width = tuple(each)
            # 加粗
            for i in [top, top-1, top - 2, height + top, height + top + 1, height + top + 2]:
                for j in range(left - 2, left + width + 3):
                    img.putpixel((j, i), line)
            for i in [left, left - 1, left - 2, left + width, left + width + 1, left + width + 2]:
                for j in range(top, top + height):
                    img.putpixel((i, j), line)
        img.save("result_" + filename)

--------------------

**有一下几点记录**

1、API返回的属性有很多，人脸的位置只是其中一个。其它属性还有比如人种、颜值打分等等。挺有意思的。不过图片中人太多了无法完全检测出来。

2、注意文件的名字，卧槽，一个py文件本来是find\_faces.py，结果在php里面写成了find\_face.py，一直没发现导致出问题！好在我是火眼金睛最后还是发现了。

3、注意文件改打点的打点，不打点就是`/`目录下了。

4、限制img显示的大小，用width，height设置即可。如果不限制各种图片各种大小，会导致网站很难看。

[https_github.com_JameyWoo_face_detect]: https://github.com/JameyWoo/face_detect
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dqaDI2MjIwNzUxMjc_size_16_color_FFFFFF_t_70]: /images/20220205/b9231d71be5748be98ddaaf5c1632c57.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dqaDI2MjIwNzUxMjc_size_16_color_FFFFFF_t_70 1]: /images/20220205/80db2c6e5ebe41b7baa330199c0740c5.png
[20190503233002714.png]: /images/20220205/8a385ccb8df5484daf886e4ae84e490a.png
[https_blog.csdn.net_caobin0825_article_details_80338438]: https://blog.csdn.net/caobin0825/article/details/80338438