def __init__(self,capture):
self.faces = []
self.smile_matrix = [[]] * 50
# カメラからキャプチャー
self.cap = capture
# 顔データの履歴
self.histories = FaceHistories()
class FaceRecognizer(object):
def __init__(self,capture):
self.faces = []
self.smile_matrix = [[]] * 50
# カメラからキャプチャー
self.cap = capture
# 顔データの履歴
self.histories = FaceHistories()
def get_features(self, image, feature_path,min_neighbors=1,min_size=(200, 200)):
"""
与えた特徴量, 教師によって学習したcascade adaboostで領域分割.
input
image: cv2.imreadで読み取った変数
feature_path: trainingデータ
min_size: 顔判定する最小サイズ指定
output
faces: 顔の座標情報
"""
image = np.array(image)
cascade = cv2.CascadeClassifier(feature_path)
#グレースケール
frame_gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
#顔判定
"""
minSizeで顔判定する際の最小の四角の大きさを指定できる.
(小さい値を指定し過ぎると顔っぽい小さなシミも顔判定されるので)
"""
faces = cascade.detectMultiScale(frame_gray, scaleFactor=1.1, minNeighbors=min_neighbors, minSize=min_size)
return faces
def update(self, speech, recogflg, min_size=(200, 200)):
"""
顔を四角で囲うメソッド.
input
image: cv2.imreadで読み取った変数
speech: 音声認識によって推定されたstringのテキスト
min_size: 顔判定する最小サイズ指定
output:
enclosed_facs: 囲まれた顔画像
"""
ret, image = self.cap.read()
# 出力結果を格納する変数
enclosed_faces = image
# 顔認識
face_rects = self.get_features(image, face_feature_path, min_neighbors=1, min_size=min_size)
# 顔認識の枠の色
color_face = (255, 0, 0)
# 笑顔認識の枠の色
color_smile = (0, 0, 255)
# 新しい顔
new_faces = []
for face_rect in face_rects:
new_faces.append(Face(geoinfo=GeoInfo(face_rect)))
image_ = Image.fromarray(np.uint8(image))
# 現在トラッキングしている顔を更新
self.update_faces(self.faces, new_faces, image_)
# 音声信号のない場合は、発話者の判定処理をスキップする
if True:
speaker_index = -1
value = 0
for i, face in enumerate(self.faces):
tmp = face.mouth_images.compute_variability()
if tmp > value:
speaker_index = i
value = tmp
else:
speaker_index = -1
for i, face in enumerate(self.faces):
# 笑顔認識 顔の下半分だけ笑顔(笑顔唇)判定
x1, y1 = face.geoinfo.coordinates[0][0], face.geoinfo.coordinates[0][1]+face.geoinfo.length[1]/2
x2, y2 = face.geoinfo.coordinates[1]
face_image = image_.crop((x1, y1, x2, y2))
smile_rects = self.get_features(face_image, smile_feature_path, min_neighbors=1,
min_size=(int(face.geoinfo.length[0]*0.25), int(face.geoinfo.length[1]*0.25)))
#[For debug]認識している笑顔の唇の枠表示
#for smile_rect in smile_rects:
# _rect_parallel_translation(smile_rect,face.geoinfo.coordinates[0])
# _rect_parallel_translation(smile_rect,(0,face.geoinfo.length[1]/2))
# smile_geoinfo = GeoInfo(smile_rect)
# cv2.rectangle(enclosed_faces,
# smile_geoinfo.coordinates[0],
# smile_geoinfo.coordinates[1],
# (0,0,255), thickness=3)
#ひとつでも笑顔唇を認識している場合「笑っている」と判定
if len(smile_rects) > 0:
face.is_smiling = True
frame_color = color_smile
else:
face.is_smiling = False
frame_color = color_face
if i == speaker_index:
# 顔の下半分の領域から口を含む矩形を決め打ちで表示
w = x2 - x1
h = y2 - y1
if(recogflg):
cv2.rectangle(enclosed_faces, (x1 + int(w * 0.25), y1 + int(h * 0.3)),
(x2 - int(w * 0.25), y2 - int(h * 0.1)), (255, 0, 255), thickness=3)
cv2.rectangle(enclosed_faces,
face.geoinfo.coordinates[0],
face.geoinfo.coordinates[1],
frame_color, thickness=3)
# enclosed_faces = self.write_speech(enclosed_faces,
# face.geoinfo.coordinates[0],
# face.geoinfo.coordinates[1],
# speech, str(i))
face.update()
return enclosed_faces
def update_faces(self, faces, new_faces, image):
"""
顔を更新
input
faces:現在tracking中の顔リスト
new_faces:新たにdetectした顔リスト
"""
#今現在トラッキングしている顔座標と新たに取得した顔座標同士の距離を計算
distances_matrix = []
for face in faces:
distances = []
for new_face in new_faces:
euc_distance = (face.geoinfo.center[0] - new_face.geoinfo.center[0])**2 \
+ (face.geoinfo.center[1] - new_face.geoinfo.center[1])**2
distances.append(euc_distance)
distances_matrix.append(distances)
face_indexes = [ i for i in xrange(len(faces))]
new_face_indexes = [ i for i in xrange(len(new_faces))]
# O( (顔の数)^3 )の計算量。 O( (顔の数)^2 log(顔の数) )の計算量にできるが。
while(len(face_indexes)>0):
if (len(new_face_indexes) == 0):
face_indexes.reverse()
# トラッキングしていたが顔がなくなったので、消す前に履歴に残す
for i in face_indexes:
print '顔が消えた'
if faces[i].face_images.is_enough_images():
# 十分に枚数を取得できている場合にのみ履歴を保存
self.histories.set_history(faces[i].face_images.images, faces[i])
del faces[i]
break
min_distance = np.inf
for i in xrange(len(face_indexes)):
for j in xrange(len(new_face_indexes)):
if ( distances_matrix[face_indexes[i]][new_face_indexes[j]] < min_distance):
min_distance = distances_matrix[face_indexes[i]][new_face_indexes[j]]
min_i = i
min_j = j
faces[face_indexes[min_i]].geoinfo = new_faces[new_face_indexes[min_j]].geoinfo
# geoinfoに対応する領域の画像を取得、faceに保存
geoinfo = new_faces[new_face_indexes[min_j]].geoinfo
# 顔画像の処理
x1, y1 = geoinfo.coordinates[0]
x2, y2 = geoinfo.coordinates[1]
face_image = np.asarray(image.crop((x1, y1, x2, y2)))
faces[face_indexes[min_i]].face_images.add_face_image(face_image)
# 口元の画像の処理 領域の大きさは決め打ち
w = x2 - x1
h = (y2 - y1) / 2
y3 = y1 + h
mouth_image = np.asarray(image.crop((x1 + int(w * 0.25), y3 + int(h * 0.3),
x2 - int(w * 0.25), y2 - int(h * 0.1))))
faces[face_indexes[min_i]].mouth_images.add_mouth_image(mouth_image)
del face_indexes[min_i]
del new_face_indexes[min_j]
# 新しい顔が見つかったので、過去の履歴にないか調べる
for j in new_face_indexes:
print '顔が出てきた'
new_face = new_faces[j]
# 顔画像を取得
face_image = image.crop((new_face.geoinfo.coordinates[0][0],
new_face.geoinfo.coordinates[0][1],
new_face.geoinfo.coordinates[1][0],
new_face.geoinfo.coordinates[1][1],))
face_image_ = np.asarray(face_image)
# 履歴に照らし合わせてfaceを追加
faces.append(self.histories.get_history(face_image_, new_face))
# faces.append(new_faces[j])
def write_speech(self, image, coordinates, length, speech, label):
"""
顔枠の下に文字を書き込むメソッド.
input
image: 元画像(フレーム)
coordinates: 顔枠の左上の座標
length: 縦横の長さ
speech: 発話内容
label: 人物分類の結果
output:
image: 顔フレームの下に発話を書き込んだもの
"""
# # イメージをpillowで扱うことのできる形式に変換
# img_edit = Image.fromarray(image)
# font = cv2.FONT_HERSHEY_PLAIN
# font_size = 3.5
# text = "wei"
# #文字の書き込み
# cv2.putText(image, text, (coordinates[0], length[1] + 40), font, font_size,(255,255,0))
img_edit = Image.fromarray(image)
font = ImageFont.truetype('../fonts/ヒラギノ角ゴシック W0.ttc',
40, encoding='unic')
# ポジネガ判定(todo)
#words = word_analyze.morphological_analysis(speech)
draw = ImageDraw.Draw(img_edit)
draw.text((coordinates[0], length[1]), label, font = font, fill='#FFFFFF')
draw.text((coordinates[0], length[1]), speech, font = font, fill='#FFFFFF')
image = np.asarray(img_edit)
return image
def get_mean_of_smiles(self):
ret = 0
for face in self.faces:
ret += int(face.is_smiling)
return ret/(len(self.faces)+1e-6)
