实现流程
从摄像头获取视频流，并转换为一帧一帧的图像，然后将图像信息传递给opencv这个工具库处理，返回灰度图像（就像你使用本地静态图片一样）
程序启动后，根据监听器信息，使用一个while循环，不断的加载视频图像，然后返回给opencv工具呈现图像信息。
创建一个键盘事件监听，按下"d"键，则开始执行面部匹配，并进行面具加载（这个过程是动态的，你可以随时移动）。
面部匹配使用Dlib中的人脸检测算法来查看是否有人脸存在。如果有，它将为每个人脸创建一个结束位置，眼镜和烟卷会移动到那里结束。
然后我们需要缩放和旋转我们的眼镜以适合每个人的脸。我们将使用从Dlib的68点模型返回的点集来找到眼睛和嘴巴的中心，并为它们之间的空间旋转。
在我们实时获取眼镜和烟卷的最终位置后，眼镜和烟卷从屏幕顶部进入，开始匹配你的眼镜和嘴巴。
假如没有人脸，程序会直接返回你的视频信息，不会有面具移动的效果。
默认一个周期是4秒钟。然后你可以通过"d"键再次检测。
程序退出使用"q"键。
这里我将这个功能抽象成一个面具加载服务，请跟随我的代码一窥究竟吧。
1.导入对应的工具包
fromtimeimportsleepimportcv2importnumpyasnpfromPILimportImagefromimutilsimportface_utils, resizetry:fromdlibimportget_frontal_face_detector, shape_predictorexceptImportError:raise
创建面具加载服务类 DynamicStreamMaskService 及其对应的初始化属性:
classDynamicStreamMaskService(object):"""
动态黏贴面具服务
"""def__init__(self, saved=False):self.saved = saved# 是否保存图片self.listener =True# 启动参数self.video_capture = cv2.VideoCapture(0)# 调用本地摄像头self.doing =False# 是否进行面部面具self.speed =0.1# 面具移动速度self.detector = get_frontal_face_detector()# 面部识别器self.predictor = shape_predictor("shape_predictor_68_face_landmarks.dat")# 面部分析器self.fps =4# 面具存在时间基础时间self.animation_time =0# 动画周期初始值self.duration = self.fps *4# 动画周期最大值self.fixed_time =4# 画图之后，停留时间self.max_width =500# 图像大小self.deal, self.text, self.cigarette =None,None,None# 面具对象
按照上面介绍，我们先实现读取视频流转换图片的函数：
defread_data(self):"""
从摄像头获取视频流，并转换为一帧一帧的图像
:return: 返回一帧一帧的图像信息
"""_, data = self.video_capture.read()returndata
接下来我们实现人脸定位函数，及眼镜和烟卷的定位:
defget_glasses_info(self, face_shape, face_width):"""
获取当前面部的眼镜信息
:param face_shape:
:param face_width:
:return:
"""left_eye = face_shape[36:42] right_eye = face_shape[42:48] left_eye_center = left_eye.mean(axis=0).astype("int") right_eye_center = right_eye.mean(axis=0).astype("int") y = left_eye_center[1] - right_eye_center[1] x = left_eye_center[0] - right_eye_center[0] eye_angle = np.rad2deg(np.arctan2(y, x)) deal = self.deal.resize( (face_width, int(face_width * self.deal.size[1] / self.deal.size[0])), resample=Image.LANCZOS) deal = deal.rotate(eye_angle, expand=True) deal = deal.transpose(Image.FLIP_TOP_BOTTOM) left_eye_x = left_eye[0,0] - face_width //4left_eye_y = left_eye[0,1] - face_width //6return{"image": deal,"pos": (left_eye_x, left_eye_y)}defget_cigarette_info(self, face_shape, face_width):"""
获取当前面部的烟卷信息
:param face_shape:
:param face_width:
:return:
"""mouth = face_shape[49:68] mouth_center = mouth.mean(axis=0).astype("int") cigarette = self.cigarette.resize( (face_width, int(face_width * self.cigarette.size[1] / self.cigarette.size[0])), resample=Image.LANCZOS) x = mouth[0,0] - face_width + int(16* face_width / self.cigarette.size[0]) y = mouth_center[1]return{"image": cigarette,"pos": (x, y)}deforientation(self, rects, img_gray):"""
人脸定位
:return:
"""faces = []forrectinrects: face = {} face_shades_width = rect.right() - rect.left() predictor_shape = self.predictor(img_gray, rect) face_shape = face_utils.shape_to_np(predictor_shape) face['cigarette'] = self.get_cigarette_info(face_shape, face_shades_width) face['glasses'] = self.get_glasses_info(face_shape, face_shades_width) faces.append(face)returnfaces
刚才我们提到了键盘监听事件，这里我们实现一下这个函数：
deflistener_keys(self):"""
设置键盘监听事件
:return:
"""key = cv2.waitKey(1) &0xFFifkey == ord("q"): self.listener =Falseself.console("程序退出") sleep(1) self.exit()ifkey == ord("d"): self.doing =notself.doing
接下来我们来实现加载面具信息的函数：
definit_mask(self):"""
加载面具
:return:
"""self.console("加载面具...") self.deal, self.text, self.cigarette = ( Image.open(x)forxin["images/deals.png","images/text.png","images/cigarette.png"] )
上面基本的功能都实现了，我们该实现画图函数了，这个函数原理和之前我写的那篇 用AI人脸识别技术实现抖音特效 实现是一样的，这里我就不赘述了，可以去github或Python中文社区微信公众号查看。
defdrawing(self, draw_img, faces):"""
画图
:param draw_img:
:param faces:
:return:
"""forfaceinfaces:ifself.animation_time < self.duration - self.fixed_time: current_x = int(face["glasses"]["pos"][0]) current_y = int(face["glasses"]["pos"][1] * self.animation_time / (self.duration - self.fixed_time)) draw_img.paste(face["glasses"]["image"], (current_x, current_y), face["glasses"]["image"]) cigarette_x = int(face["cigarette"]["pos"][0]) cigarette_y = int(face["cigarette"]["pos"][1] * self.animation_time / (self.duration - self.fixed_time)) draw_img.paste(face["cigarette"]["image"], (cigarette_x, cigarette_y), face["cigarette"]["image"])else: draw_img.paste(face["glasses"]["image"], face["glasses"]["pos"], face["glasses"]["image"]) draw_img.paste(face["cigarette"]["image"], face["cigarette"]["pos"], face["cigarette"]["image"]) draw_img.paste(self.text, (75, draw_img.height //2+128), self.text)
既然是一个服务类，那该有启动与退出函数吧，最后我们来写一下吧。
简单介绍一下这个 start() 函数, 启动后根据初始化监听信息，不断监听视频流，并将流信息通过opencv转换成图像展示出来。
并且调用按键监听函数，不断的监听你是否按下"d"键进行面具加载，如果监听成功，则进行图像人脸检测，并移动面具，
并持续一个周期的时间结束，面具此时会根据你的面部移动而移动。最终呈现文章顶部图片的效果.
defstart(self):"""
启动程序
:return:
"""self.console("程序启动成功.") self.init_mask()whileself.listener: frame = self.read_data() frame = resize(frame, width=self.max_width) img_gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY) rects = self.detector(img_gray,0) faces = self.orientation(rects, img_gray) draw_img = Image.fromarray(cv2.cvtColor(frame, cv2.COLOR_BGR2RGB))ifself.doing: self.drawing(draw_img, faces) self.animation_time += self.speed self.save_data(draw_img)ifself.animation_time > self.duration: self.doing =Falseself.animation_time =0else: frame = cv2.cvtColor(np.asarray(draw_img), cv2.COLOR_RGB2BGR) cv2.imshow("hello mask", frame) self.listener_keys()defexit(self):"""
程序退出
:return:
"""self.video_capture.release() cv2.destroyAllWindows()
最后，让我们试试：
if__name__=='__main__': ms = DynamicStreamMaskService() ms.start()
写到这里，这个小功能就已经实现了，大家不妨事来使用一下。
