如何在mediapipe中获取面部mash地标的坐标？
我正在尝试获取一个列表，其中包含带有mediapipe脸部混搭的标志性线缆-例如: Landmark6：(0.36116672，0.93204623，0.0019629495)...
我找不到这样做的方法，我会请求你的帮助。(在python中)
回答 4
Stack Overflow用户
发布于 2021-04-21 02:22:44
Mediapipe的接口比您公开看到的大多数模型都要复杂。但是你想要的东西无论如何都是很容易实现的。
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遍历results.multi_face_landmarks
for face_landmarks in results.multi_face_landmarks:这里的每个迭代由图像中检测到的每个人脸的信息组成，results.multi_face_landmarks的长度是图像中检测到的人脸的数量。
当你打印第一个的属性时，你会看到地标的作为最后一个属性。
dir(results.multi_face_landmarks[0])
>> ..., 'landmark']我们需要地标属性来在进一步的步骤后获取像素坐标。
地标属性的长度为468，基本上是回归后预测的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]它将给出归一化的x，y，z值：
x: 0.25341567397117615
y: 0.71121746301651
z: -0.03244325891137123最后，x、y和z是每个关键点的属性。我们可以通过对关键点调用dir()来检查这一点。
现在，您可以轻松地获得标准化的像素坐标：
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对于像素坐标的反规范化，我们应该将x坐标乘以宽度，将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)这将会给我们提供：
Stack Overflow用户
发布于 2021-04-18 03:26:45
这是一个完整的解释-
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)Stack Overflow用户
发布于 2021-05-23 10:02:24
Mediapipe的地标值根据图像的宽度和高度进行标准化。之后，只需将地标的x与图像的宽度相乘，将地标的y与图像的高度相乘，即可获得地标值。您可以查看此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。
https://stackoverflow.com/questions/67141844
复制相似问题
腾讯云开发者
