人脸检测——AFLW准备人脸

不多说了,直接代码吧:

生成AFLW_ann.txt的代码,其中包含图像名称 和 图像中人脸的位置(x,y,w,h);

** AFLW中含有aflw.aqlite文件。


importsqlite3

list_annotation = list()

# Format for saving: path x y w h

ann_format ="{}/{} {} {} {} {}"

conn = sqlite3.connect('aflw.sqlite')

fidQuery ='SELECT face_id FROM Faces'

faceIDs = conn.execute(fidQuery)

foridxinfaceIDs:

fidQuery ='SELECT file_id FROM Faces WHERE face_id = {}'.format(idx[0])

imgID = conn.execute(fidQuery)

imgID = [idforidinimgID]

imgDataQuery ="SELECT db_id,filepath,width,height FROM FaceImages WHERE file_id = '{}'".format(imgID[0][0])

fileID = conn.execute(imgDataQuery)

fileID = [idforidinfileID]

db_id = fileID[0][0]

filepath = fileID[0][1]

faceRectQuery ='SELECT x,y,w,h FROM FaceRect WHERE face_id = {}'.format(idx[0])

faceRect = conn.execute(faceRectQuery)

faceRect = [idforidinfaceRect]

iflen(faceRect)==0:

continue

x,y,w,h =  faceRect[0]

list_annotation.append(ann_format.format(db_id,filepath,x,y,w,h))

with open("AFLW_ann.txt",'w') as f:

f.writelines("%s\n"% lineforlineinlist_annotation)

AFLW图片都整理到flickr文件下(含0,1,2三个文件),生成人脸的程序(并且对人脸进行了左右镜像):


importos

fromPILimportImage

fromPILimportImageFile

# ImageFile.LOAD_TRUNCATED_IMAGES = True

importcv2

importnumpy as np

with open('AFLW_ann.txt','r') as f:

lines = f.readlines()

save_dir1 ='data_prepare/net_positive'

save_dir2 ='data_prepare/net_positive_flip'

ifos.path.exists(save_dir1)==False:

os.makedirs(save_dir1)

ifos.path.exists(save_dir2)==False:

os.makedirs(save_dir2)

foridx, lineinenumerate(lines):

s1 = line.strip().split(' ')

image_path = s1[0]

x = int(s1[1])

y = int(s1[2])

w = int(s1[3])

h = int(s1[4])

print(image_path)

# image = Image.open(image_path)

image = cv2.imread(image_path)

ifimageisNone:

continue

ifx<=0andy<=0andw<=0andh<=0:

continue

box = (x, y, x+w, y+h)

# patch = image.crop(box)

patch = image[box[1]:box[3], box[0]:box[2], :]

ifpatchisNone:

continue

patch1 = patch#.resize((51, 51))

# patch2 = patch1.transpose(Image.FLIP_LEFT_RIGHT)

h = patch.shape[0]

w = patch.shape[1]

iLR = patch.copy()

foriinrange(h):

forjinrange(w):

iLR[i,w-1-j] = patch[i,j]

patch2 = iLR

s2 = image_path.split('/')

image_name = s2[-1]

save_path1 = save_dir1+'/'+str(idx)+image_name +'.jpg'

save_path2 = save_dir2+'/'+'l'+str(idx)+image_name +'.jpg'

#patch1.save(save_path1, 'jpeg')

#patch2.save(save_path2, 'jpeg')

cv2.imwrite(save_path1, np.array(patch1))

cv2.imwrite(save_path2, np.array(patch2))

print(idx)

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 204,684评论 6 478
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 87,143评论 2 381
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 151,214评论 0 337
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,788评论 1 277
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,796评论 5 368
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,665评论 1 281
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 38,027评论 3 399
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,679评论 0 258
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 41,346评论 1 299
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,664评论 2 321
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,766评论 1 331
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,412评论 4 321
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 39,015评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,974评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,203评论 1 260
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 45,073评论 2 350
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,501评论 2 343

推荐阅读更多精彩内容

  • 人脸识别,基于人脸部特征信息识别身份的生物识别技术。摄像机、摄像头采集人脸图像或视频流,自动检测、跟踪图像中人脸,...
    利炳根阅读 1,877评论 0 1
  • 《裕语言》速成开发手册3.0 官方用户交流:iApp开发交流(1) 239547050iApp开发交流(2) 10...
    叶染柒丶阅读 25,956评论 5 19
  • 《ilua》速成开发手册3.0 官方用户交流:iApp开发交流(1) 239547050iApp开发交流(2) 1...
    叶染柒丶阅读 10,520评论 0 11
  • 1、个性化推荐的算法不准确,推荐的内容和标签不符合,例如偏好中选择“人文”,推荐的top10条结果中有8条不属于人...
    小皮皮高高阅读 1,121评论 0 2
  • 昨天晚上站在天台给妈妈打电话,秋天的晚风吹出许多清晰的凉意,被秋风包裹的凉意仿佛带了一种天地广阔而苍茫的孤单与寂寥...
    三更笙阅读 497评论 0 4