Core Image編程指南翻譯三(面部檢測)

示例代碼下載

Core Image可以分析和查找圖像中的人臉。它執行面部檢測,而不是識別。人臉檢測是包含人臉特征的矩形的識別,而人臉識別是特定人臉(約翰,瑪麗等)的識別。在Core Image檢測到面部后,它可以提供有關面部特征的信息,例如眼睛和嘴巴位置。它還可以跟蹤視頻中已識別面部的位置。


image

了解人臉在圖像中的位置可讓您執行其他操作,例如裁剪或調整臉部圖像質量(色調平衡,紅眼校正等)。您還可以在臉上執行其他有趣的操作; 例如:

  • 匿名面部濾鏡處理顯示如何僅將像素濾鏡應用于圖像中的面部。
  • 白色插圖面部濾鏡處理顯示如何在臉部周圍放置小插圖。

注意: 面部檢測適用于iOS v5.0及更高版本以及OS X v10.7及更高版本。

面部檢測

使用CIDetector該類在圖像中查找面部,如清單2-1所示。

清單2-1 創建面部檢測器

CIContext *context = [CIContext context];                    // 1
NSDictionary *opts = @{ CIDetectorAccuracy : CIDetectorAccuracyHigh };      // 2
CIDetector *detector = [CIDetector detectorOfType:CIDetectorTypeFace
                                          context:context
                                          options:opts];                    // 3
 
opts = @{ CIDetectorImageOrientation :
          [[myImage properties] valueForKey:kCGImagePropertyOrientation] }; // 4
NSArray *features = [detector featuresInImage:myImage options:opts];        // 5

這是代碼的作用:

  1. 使用默認選項創建上下文。您可以使用處理圖像中描述的任何函數創建上下文。您還可以在創建檢測器時選擇nil而不是提供上下文。
  2. 創建選項字典以指定檢測器的準確度。您可以指定低精度或高精度。精度低(CIDetectorAccuracyLow)快; 如本例所示,高精度是周密但較慢的。
  3. 創建面部檢測器。您可以創建探測器的唯一類型是人臉。
  4. 設置用于查找面的選項字典。讓Core Image了解圖像方向非常重要,這樣探測器才能知道它可以在哪里找到直立面。大多數情況下,您將從圖像本身讀取圖像方向,然后將該值提供給選項字典。
  5. 使用檢測器查找圖像中的特征。您提供的圖像必須是CIImage對象。Core Image返回一個CIFeature對象數組,每個對象代表圖像中的一個面。

在獲得一系列面孔后,您可能想要找出它們的特征,例如眼睛和嘴巴的位置。接下來的部分將介紹。

獲得面部和面部特征位置
面部特征包括:

  • 左眼和右眼的位置
  • 嘴巴的位置
  • 跟蹤ID和跟蹤幀數,Core Image用于跟蹤視頻片段中的臉部(適用于iOS v6.0及更高版本以及OS X v10.8及更高版本)
    從CIDetector對象獲取面部特征數組后,可以遍歷數組以檢查每個面部的位置以及面部中的每個特征,如清單2-2所示。

清單2-2 檢查面部特征邊界

for (CIFaceFeature *f in features) {
    NSLog(@"%@", NSStringFromRect(f.bounds));
 
    if (f.hasLeftEyePosition) {
        NSLog(@"Left eye %g %g", f.leftEyePosition.x, f.leftEyePosition.y);
    }
    if (f.hasRightEyePosition) {
        NSLog(@"Right eye %g %g", f.rightEyePosition.x, f.rightEyePosition.y);
    }
    if (f.hasMouthPosition) {
        NSLog(@"Mouth %g %g", f.mouthPosition.x, f.mouthPosition.y);
    }
}
?著作權歸作者所有,轉載或內容合作請聯系作者
平臺聲明:文章內容(如有圖片或視頻亦包括在內)由作者上傳并發布,文章內容僅代表作者本人觀點,簡書系信息發布平臺,僅提供信息存儲服務。
  • 序言:七十年代末,一起剝皮案震驚了整個濱河市,隨后出現的幾起案子,更是在濱河造成了極大的恐慌,老刑警劉巖,帶你破解...
    沈念sama閱讀 228,443評論 6 532
  • 序言:濱河連續發生了三起死亡事件,死亡現場離奇詭異,居然都是意外死亡,警方通過查閱死者的電腦和手機,發現死者居然都...
    沈念sama閱讀 98,530評論 3 416
  • 文/潘曉璐 我一進店門,熙熙樓的掌柜王于貴愁眉苦臉地迎上來,“玉大人,你說我怎么就攤上這事。” “怎么了?”我有些...
    開封第一講書人閱讀 176,407評論 0 375
  • 文/不壞的土叔 我叫張陵,是天一觀的道長。 經常有香客問我,道長,這世上最難降的妖魔是什么? 我笑而不...
    開封第一講書人閱讀 62,981評論 1 312
  • 正文 為了忘掉前任,我火速辦了婚禮,結果婚禮上,老公的妹妹穿的比我還像新娘。我一直安慰自己,他們只是感情好,可當我...
    茶點故事閱讀 71,759評論 6 410
  • 文/花漫 我一把揭開白布。 她就那樣靜靜地躺著,像睡著了一般。 火紅的嫁衣襯著肌膚如雪。 梳的紋絲不亂的頭發上,一...
    開封第一講書人閱讀 55,204評論 1 324
  • 那天,我揣著相機與錄音,去河邊找鬼。 笑死,一個胖子當著我的面吹牛,可吹牛的內容都是我干的。 我是一名探鬼主播,決...
    沈念sama閱讀 43,263評論 3 441
  • 文/蒼蘭香墨 我猛地睜開眼,長吁一口氣:“原來是場噩夢啊……” “哼!你這毒婦竟也來了?” 一聲冷哼從身側響起,我...
    開封第一講書人閱讀 42,415評論 0 288
  • 序言:老撾萬榮一對情侶失蹤,失蹤者是張志新(化名)和其女友劉穎,沒想到半個月后,有當地人在樹林里發現了一具尸體,經...
    沈念sama閱讀 48,955評論 1 336
  • 正文 獨居荒郊野嶺守林人離奇死亡,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內容為張勛視角 年9月15日...
    茶點故事閱讀 40,782評論 3 354
  • 正文 我和宋清朗相戀三年,在試婚紗的時候發現自己被綠了。 大學時的朋友給我發了我未婚夫和他白月光在一起吃飯的照片。...
    茶點故事閱讀 42,983評論 1 369
  • 序言:一個原本活蹦亂跳的男人離奇死亡,死狀恐怖,靈堂內的尸體忽然破棺而出,到底是詐尸還是另有隱情,我是刑警寧澤,帶...
    沈念sama閱讀 38,528評論 5 359
  • 正文 年R本政府宣布,位于F島的核電站,受9級特大地震影響,放射性物質發生泄漏。R本人自食惡果不足惜,卻給世界環境...
    茶點故事閱讀 44,222評論 3 347
  • 文/蒙蒙 一、第九天 我趴在偏房一處隱蔽的房頂上張望。 院中可真熱鬧,春花似錦、人聲如沸。這莊子的主人今日做“春日...
    開封第一講書人閱讀 34,650評論 0 26
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽。三九已至,卻和暖如春,著一層夾襖步出監牢的瞬間,已是汗流浹背。 一陣腳步聲響...
    開封第一講書人閱讀 35,892評論 1 286
  • 我被黑心中介騙來泰國打工, 沒想到剛下飛機就差點兒被人妖公主榨干…… 1. 我叫王不留,地道東北人。 一個月前我還...
    沈念sama閱讀 51,675評論 3 392
  • 正文 我出身青樓,卻偏偏與公主長得像,于是被迫代替她去往敵國和親。 傳聞我的和親對象是個殘疾皇子,可洞房花燭夜當晚...
    茶點故事閱讀 47,967評論 2 374

推薦閱讀更多精彩內容