如何使用Python实时模糊人脸

人工智能1年前发布 aqyaq

18 00

译者 | 布加迪

审校 | 重楼

出于几个原因，您可能使用人脸模糊来隐藏视频或图像中的人脸。隐私和安全问题是最主要的原因。大多数视频分享平台和视频编辑软件都内置了人脸模糊功能。

您可以使用Python、OpenCV和NumPy库从头创建自己的人脸模糊程序。

1、建立环境

要完成本文的学习，您需要熟悉Python的基础知识，并对NumPy库的使用有一番基本的了解。

打开任何您熟悉的Python IDE。创建一个虚拟环境，用来安装所需的库。创建一个新的Python文件。进入到终端，运行以下命令来安装所需的库。将库作为以空格分隔的列表来传递。

pip install OpenCV-python NumPy

您将使用OpenCV获取并预处理视频输入，使用NumPy处理数组。

如何使用Python实时模糊人脸

一旦您安装了库，等待IDE更新项目骨干部分。更新完成、环境准备就绪后，您就可以开始编码了。

注意：完整的源代码可以在GitHub代码库中找到（https://github.com/makeuseofcode/Face-Blurring）。

2、导入所需的库

首先，导入OpenCV库和NumPy库。这将使您能够调用和使用它们支持的任何函数。导入OpenCV-python作为cv2。

import cv2
import numpy as np

OpenCV-python模块使用名称cv2作为OpenCV社区建立的约定。OpenCV- Python是OpenCV库的Python包装器，用C++编写。

3、获取输入

创建一个变量，并初始化VideoCapture对象。如果您想使用计算机的主摄像头作为输入源，应传递0作为参数。要使用连接到计算机上的外部摄像头，请传递1。要对预先录制的视频执行人脸模糊处理，请改而传递视频的路径。若要使用远程摄像头，传递摄像头的URL，其中含有IP地址和端口号。

cap = cv2.VideoCapture(0)

要对输入执行人脸模糊，您需要这三个函数：

对输入进行预处理的函数。
将模糊输入中的人脸的函数。
将控制程序流程并显示输出的main函数。

4、视频输入预处理

创建一个输入预处理函数，将输入视频的每一帧作为其输入。初始化CascadeClassifier类，您将用这个类检测人脸。将帧大小调整为640 * 640像素。将调整大小的帧转换成灰度以便处理，最后检测输入中的人脸，并将其与矩形绑定。

def image_preprocess(frame):
    face_detector = cv2.CascadeClassifier(cv2.data.haarcascades
        + 'haarcascade_frontalface_default.xml')

    resized_image = cv2.resize(frame, (640, 640))

    gray_image = cv2.cvtColor(resized_image,
        cv2.COLOR_BGR2GRAY)

    face_rects = face_detector.detectMultiScale(
        gray_image, 1.04, 5, minSize=(20, 20))

    return resized_image, face_rects

该函数返回一个元组，含有调整大小的图像和表示检测到的人脸的矩形列表。

5、模糊人脸

创建一个模糊函数，将模糊输入中的人脸。该函数将调整大小的帧和预处理函数返回的包围人脸的矩形列表作为输入。循环处理人脸矩形。计算每个矩形的中心和模糊圆的半径。通过将所有像素初始化为0，创建一个与调整大小的帧具有相同尺寸的黑色图像。使用计算出的半径，在中心位于人脸矩形的黑色图像上绘制白圆。最后，它模糊白圆上的图像。

def face_blur(resized_frame, face_rects):
    for (x, y, w, h) in face_rects:
        # Specifying the center and radius
        # of the blurring circle
        center_x = x + w // 3
        center_y = y + h // 3
        radius = h // 1

        # creating a black image having similar
        # dimensions as the frame
        mask = np.zeros((resized_frame.shape[:3]), np.uint8)

        # draw a white circle in the face region of the frame
        cv2.circle(mask, (center_x, center_y), radius,
                   (255, 255, 255), -1)

        # blurring the whole frame
        blurred_image = cv2.medianBlur(resized_frame, 99)

        # reconstructing the frame:
        # - the pixels from the blurred frame if mask > 0
        # - otherwise, take the pixels from the original frame
        resized_frame = np.where(mask > 0, blurred_image,
                                 resized_frame)

    return resized_frame

该函数使用NumPy where()函数在模糊过程中重建帧。

6、控制程序流程

创建一个主函数，充当程序的入口点。然后它将控制程序流程。该函数将开始一个无限循环，不断捕获视频输入的帧。调用cap对象的读取方法，从摄像头读取帧。

然后，该函数将帧传递给预处理函数，并将返回值传递给另一个函数face_blur，以获得模糊后的图像。然后，它调整模糊函数返回的帧的大小，并显示输出。

def main():
    while True:
        success, frame = cap.read()
        resized_input, face_rects = image_preprocess(frame)
        blurred_image = face_blur(resized_input, face_rects)

        # Diplaying the blurred image
        cv2.imshow("Blurred image", cv2.resize(blurred_image, (500, 500)))

        if cv2.waitKey(1) == ord("q"):
            break