我对C++和Dlib相当陌生。我需要在浏览器上使用面部标志性探测器,并想知道是否有人试图用例如ASM.js在浏览器上工作。我还没有在网上看过很多DLib面部标志性的现场演示。Dlib for javascript
追求是否值得一看?如果是的话,有人可以指导我使用任何资源吗?
我对C++和Dlib相当陌生。我需要在浏览器上使用面部标志性探测器,并想知道是否有人试图用例如ASM.js在浏览器上工作。我还没有在网上看过很多DLib面部标志性的现场演示。Dlib for javascript
追求是否值得一看?如果是的话,有人可以指导我使用任何资源吗?
我也在我的项目中遇到同样的问题。但我用浏览器从dlib中成功地获得了地标细节。
其实我从用户获取图像并发送到服务器保存它一个特定的文件夹。然后通过PHP
触发dlib python
代码并获取地标点详细信息为json
格式。一旦我们得到一个点的细节,我们可以做任何事情。
想法是
输入图像文件 - >发送到服务 - >保存到文件夹 - >触发DLIB python脚本 - >保存点作为一个JSON文件 - >回声成功 - >通过这样的方式获得JSON
:
第1步: 首先在服务器上安装DLIP成功(第一次测试你的本地服务器)没有任何错误。并检查它的运行没有错误。
第2步: 然后,我们要从dlip的脸部地标。 dlip有一个示例脚本face_landmark_detection.py
我们可以使用这个。
我定制的face_landmark_detection.py
脚本这点细节保存为特定路径JSON文件:
# python face_landmark_detection.py "predictor.dat" "folder/image.jpg" "folder/test.json"
import dlib
import glob
import json
import os
from skimage import io
import sys
predictor_path = sys.argv[1]
#faces_folder_path = sys.argv[2]
image = sys.argv[2]
json_path = sys.argv[3]
detector = dlib.get_frontal_face_detector()
predictor = dlib.shape_predictor(predictor_path)
img = io.imread(image)
dets = detector(img, 1)
print(dets);
print("Number of faces detected: {}".format(len(dets)))
for k, d in enumerate(dets):
print("Detection {}: Left: {} Top: {} Right: {} Bottom: {}".format(
k, d.left(), d.top(), d.right(), d.bottom()))
# Get the landmarks/parts for the face in box d.
shape = predictor(img, d)
print("Part 0: {}, Part 1: {}, Part 3: {} ...".format(shape.part(0),
shape.part(1), shape.part(2),))
part1 = shape
data = {}
num = 0
for n, p in enumerate(shape.parts()):
n = format(n)
p = format(p)
p = p.split(",")
x = p[0].split("(")
x = x[1]
y = p[1].split(" ")
y = y[1].split(")")
y = y[0]
print(n, x, y)
data[n] = {'x':x, 'y':y}
out_file = open(json_path, "a")
json.dump(data, out_file, sort_keys=True, indent=4)
json_data = json.dumps(data, sort_keys=True);
print(json_data)
我的服务器php
脚本。此脚本从浏览器中获取图像并将其保存在某个文件夹中,并通过预测路径,图像路径,json路径参数触发我的face_landmark_detection.py
。
server.php
文件中像这样
<?php
$target_dir = "/designing/face/uploads/";
$type = explode("/", $_FILES["file"]["type"]);
$type = $type[1];
$target_file = $target_dir . basename($_FILES["file"]["name"]);
$uploadOk = 1;
$imageFileType = pathinfo($target_file, PATHINFO_EXTENSION);
// Check if image file is a actual image or fake image
if (isset($_POST)) {
$check = getimagesize($_FILES["file"]["tmp_name"]);
if ($check !== false) {
$uploadOk = 1;
} else {
$uploadOk = 0;
}
}
// Check if file already exists
if (file_exists($target_file)) {
unlink($target_file);
$uploadOk = 1;
}
// Check file size
/* if ($_FILES["file"]["size"] > 500000) {
echo "Sorry, your file is too large.";
$uploadOk = 0;
} */
// Allow certain file formats
if ($imageFileType != "jpg" && $imageFileType != "jpeg" && $imageFileType != "png") {
echo "Sorry, only JPG, JPEG, PNG & GIF files are allowed.";
$uploadOk = 0;
}
// Check if $uploadOk is set to 0 by an error
if ($uploadOk == 0) {
echo "error";
// if everything is ok, try to upload file
} else {
if (move_uploaded_file($_FILES["file"]["tmp_name"], $target_file)) {
//chmod($target_file, 0777);
//echo "The file ". basename($_FILES["file"]["name"]). " has been uploaded.";
if ($imageFileType == "png") {
$image = imagecreatefrompng($target_file);
$bg = imagecreatetruecolor(imagesx($image), imagesy($image));
imagefill($bg, 0, 0, imagecolorallocate($bg, 255, 255, 255));
imagealphablending($bg, TRUE);
imagecopy($bg, $image, 0, 0, 0, 0, imagesx($image), imagesy($image));
imagedestroy($image);
$quality = 100; // 0 = worst/smaller file, 100 = better/bigger file
imagejpeg($bg, $target_file . ".jpg", $quality);
imagedestroy($bg);
unlink($target_file);
$target_file = $target_file . ".jpg";
//echo $target_file;
}
$json_file = fopen("/test/json/" . $_FILES["file"]["name"] . "_json.txt", "w");
if ($json_file) {
$command = 'python /face/face_landmark_detection.py "/face/predictor.dat" "' . $target_file . '" "/test/json/' . $_FILES["file"]["name"] . '_json.txt"';
$output = shell_exec($command);
if ($output) {
//unlink($target_file);
echo "ok";
}
}
//echo $command;
} else {
echo "Sorry, there was an error uploading your file.";
}
}
?>
和我的客户(浏览器)端脚本这样
$('#file').change(function() {
var formData = new FormData();
formData.append('file', $('input[type=file]')[0].files[0]);
img = $('input[type=file]')[0].files[0];
file_name = img.name;
console.log(file_name);
var reader = new FileReader();
reader.onload = function(readerEvt) {
data_url = readerEvt.target.result;
};
reader.readAsDataURL(img);
$.ajax({
url: base_url + "server.php",
type: 'POST',
data: formData,
success: function(data) {
console.log(data);
if (data === "ok") {
getJson(data_url, file_name);
} else {
alert("something worng");
}
},
cache: false,
contentType: false,
processData: false
});
});
var pts;
function getJson(data_url, file_name) {
console.log(file_name);
var json_name = {
'name': file_name
};
$.ajax({
method: "POST",
url: base_url + "get_json.php",
crossDomain: true,
data: json_name,
dataType: 'JSON',
success: function(data) {
pts = data;
console.log(pts);
// alert(data_url);
}
});
}
一旦一切运行良好,我们得到与点的JSON文件。用这些观点,我们可以在画布上播放我们想要的东西。首先你必须了解整个过程。
我在这里直接粘贴我的演示代码。查看代码并更改所需的内容(如路径,参数...)然后运行。
我成功地通过这些方式获得了我的虚拟面对项目的点细节。我无法为您的演示提供我的项目网址,因为当前正在处理项目。
您的Dlib代码是否需要在每次调用您的'face_landmark_detection.py'时加载[形状模型文件](http://dlib.net/files/shape_predictor_68_face_landmarks.dat.bz2)程序。 – Mavie
@VIctor yes ..但是你可以预先定义..那是你的愿望.. –
所以如果有十个请求到你的服务器那么[形状模型文件](http://dlib.net/files/shape_predictor_68_face_landmarks.dat。 bz2)分别加载到每个程序实例中。这是否会增加服务器上的内存消耗? – Mavie
你是否试图建立一个系统,应该直接在浏览器内通过JS或者一些基于服务器的后端工作?或者您可能想要构建某种浏览器扩展? – Evgeniy
ASM.js看起来有点死 - 可能不值得投入太多的努力才发现有一些不完整的位 –
我正在尝试构建可以使用Dlib的客户端JS解决方案。类似于clmtrackr.js或tracker.js – user1386173