-
Notifications
You must be signed in to change notification settings - Fork 0
Expand file tree
/
Copy pathmain.py
More file actions
111 lines (87 loc) · 4.69 KB
/
main.py
File metadata and controls
111 lines (87 loc) · 4.69 KB
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
import numpy as np
from training import get_model, load_trained_model, compile_model
import cv2
# Загрузка обученной модели
model = get_model()
compile_model(model)
load_trained_model(model)
# Лицо
face_cascade = cv2.CascadeClassifier('cascades/haarcascade_frontalface_default.xml')
# Камера
camera = cv2.VideoCapture(0)
while True:
# Чтение данных с камеры
grab_trueorfalse, img = camera.read()
# Предварительная обработка
# Конвертация RGB в оттенки сероого
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
# Определение лиц
faces = face_cascade.detectMultiScale(gray, 1.3, 5)
for (x,y,w,h) in faces:
roi_gray = gray[y:y+h, x:x+w]
img_copy = np.copy(img)
img_copy_1 = np.copy(img)
roi_color = img_copy_1[y:y+h, x:x+w]
# Ширина области, где которой обнаружено лицо
width_original = roi_gray.shape[1]
# Высота области, где которой обнаружено лицо
height_original = roi_gray.shape[0]
# Изменение размеров до 96*96
img_gray = cv2.resize(roi_gray, (96, 96))
# Нормализовать данные изображения
img_gray = img_gray/255
img_model = np.reshape(img_gray, (1,96,96,1))
# Ключевые точки для текущего вывода
keypoints = model.predict(img_model)[0]
# Ключевые точки сохраняются как (x1, y1, x2, y2, ......)
x_coords = keypoints[0::2]
y_coords = keypoints[1::2]
x_coords_denormalized = (x_coords+0.5)*width_original
y_coords_denormalized = (y_coords+0.5)*height_original
# Построение ключевых точек по координатам x и y
for i in range(len(x_coords)):
cv2.circle(roi_color, (x_coords_denormalized[i], y_coords_denormalized[i]), 2, (255,255,0), -1)
# Особые ключевые точки для масштабирования и позиционирования фильтра
left_lip_coords = (int(x_coords_denormalized[11]), int(y_coords_denormalized[11]))
right_lip_coords = (int(x_coords_denormalized[12]), int(y_coords_denormalized[12]))
top_lip_coords = (int(x_coords_denormalized[13]), int(y_coords_denormalized[13]))
bottom_lip_coords = (int(x_coords_denormalized[14]), int(y_coords_denormalized[14]))
left_eye_coords = (int(x_coords_denormalized[3]), int(y_coords_denormalized[3]))
right_eye_coords = (int(x_coords_denormalized[5]), int(y_coords_denormalized[5]))
brow_coords = (int(x_coords_denormalized[6]), int(y_coords_denormalized[6]))
# Маштабирование фильтра
beard_width = right_lip_coords[0] - left_lip_coords[0]
glasses_width = right_eye_coords[0] - left_eye_coords[0]
img_copy = cv2.cvtColor(img_copy, cv2.COLOR_BGR2BGRA)
# Борода
santa_filter = cv2.imread('filters/santa_filter.png', -1)
santa_filter = cv2.resize(santa_filter, (beard_width*3,150))
sw,sh,sc = santa_filter.shape
for i in range(0,sw):
for j in range(0,sh):
if santa_filter[i,j][3] != 0:
img_copy[top_lip_coords[1]+i+y-20, left_lip_coords[0]+j+x-60] = santa_filter[i,j]
# Шапка
hat = cv2.imread('filters/hat2.png', -1)
hat = cv2.resize(hat, (w,w))
hw,hh,hc = hat.shape
for i in range(0,hw):
for j in range(0,hh):
if hat[i,j][3] != 0:
img_copy[i+y-brow_coords[1]*2, j+x-left_eye_coords[0]*1 + 20] = hat[i,j]
# Очки
glasses = cv2.imread('filters/glasses.png', -1)
glasses = cv2.resize(glasses, (glasses_width*2,150))
gw,gh,gc = glasses.shape
for i in range(0,gw):
for j in range(0,gh):
if glasses[i,j][3] != 0:
img_copy[brow_coords[1]+i+y-50, left_eye_coords[0]+j+x-60] = glasses[i,j]
# Возвращает RGB палитру
img_copy = cv2.cvtColor(img_copy, cv2.COLOR_BGRA2BGR)
# Вывод с фильтром на лице
cv2.imshow('Output',img_copy)
cv2.imshow('Keypoints predicted',img_copy_1)
cv2.imshow('Webcam',img)
if cv2.waitKey(1) & 0xFF == ord("e"): # If 'e' is pressed, stop reading and break the loop
break