本文来源：https://blogs.lakshaykumar.tech/computer-vision-made-easy
作者： Lakshay Kumar

计算机视觉让我非常着迷，这些天我正在探索计算机视觉的世界。在工作期间，我意识到我们必须为基本的计算机视觉技术（如面部检测、手部检测、姿势分类等）编写数百行代码。我探索了 opencv 和 mediapipe 库，这帮助我获得了对计算机视觉的很多见解。我开发了一些包，可以帮助开发者社区更多地关注实现而不是从头开始编码。这是我最近开发的三个包。

1.人脸检测

试试看

功能

faceDetector(image, draw=False)

• 函数参数：此函数将image（单帧）作为输入和一个draw默认值为False的变量。如果要在框架上的面部上绘制矩形框，可以将参数的值更改draw为Trueimage。
• 输出：此函数返回一个长度为 2 的嵌套列表。索引 1 处的元素是frame和 的列表[x,y,w,h]。x是面部的最小 x 坐标，是面部y的最小 y 坐标，w是面部的宽度和h高度。请注意，如果函数中的值设置为 True，则frame面部上方将有矩形框draw。

用法

faceDetector（图像，绘制=假）

通过功能直接检测面部

from lkfacedetection import faceDetector
import cv2
cap = cv2.VideoCapture(0)
while True:
    success, image = cap.read()
    functionValues = faceDetector(image,draw=True) #draw over the frame from function
    frame = functionValues[0]
    cv2.imshow('Face', frame)
    cv2.waitKey(1)
cap.release()

使用函数中的值进行外部检测

from lkfacedetection import faceDetector
import cv2
cap = cv2.VideoCapture(0)
while True:
    success, image = cap.read()
    functionValues = faceDetector(image) #doesn't draw over the frame
    frame = functionValues[0]
    x,y,w,h = functionValues[1]
    cv2.rectangle(frame, (x, y), (x + w, y + h), (255, 0, 0), 2) #Draws a rectangle over the face
    cv2.imshow('Face', frame)
    cv2.waitKey(1)
cap.release()

2.手部追踪包

试试看

功能

handTracker(image,draw=True)

• 函数参数：此函数将image（单帧）作为输入和一个draw默认值为False的变量。如果要映射手在框架上的映射，可以将参数的值更改draw为True 。image
• 输出：此函数返回一个长度为 2 的嵌套列表。索引 1 处的元素是frame和 的列表handLandmarks。handLandmarks在此链接上了解有关这些的更多信息。请注意，如果未检测到手，该函数将在列表中的索引 1 处返回 [0]。

用法

手跟踪器（图像，绘制=假）

直接从函数映射到手。

from lkhandtracking import handTracker
import cv2

cap = cv2.VideoCapture(0)
while True:
    success, image = cap.read()
    functionValues = handTracker(image,draw=True)
    image = functionValues[0]
    handLms = functionValues[1]
    print(handLms)
    cv2.imshow('Hands', image)
    cv2.waitKey(1)
cap.release()

无需映射即可追踪手部。

from lkhandtracking import handTracker
import cv2

cap = cv2.VideoCapture(0)
while True:
    success, image = cap.read()
    functionValues = handTracker(image,draw=False)
    image = functionValues[0]
    handLms = functionValues[1]
    print(handLms)
    cv2.imshow('Hands', image)
    cv2.waitKey(1)
cap.release()

3.身体分割

试试看

功能

bodySegmentation(orignalImg,backgroundImg=(255,255,255),threshold=0.3)

• 函数参数：此函数采用orignalImg即分割必须发生的图像。其他参数即backgroundImg设置背景颜色，默认为白色，但可根据用户需要更改。阈值定义必须移除背景的级别。
• 输出：函数返回一个帧作为背景被分割的输出。

用法

身体分割（img）

默认分割（白色背景）

from lkbodysegmentation import bodySegmentation
import cv2

cap = cv2.VideoCapture(0)

while True:
    success, img = cap.read()
    img = bodySegmentation(img)
    cv2.imshow('Image',img)
    cv2.waitKey(1)

bodySegmentation(img, backgroundColor, 阈值)

自定义细分

from lkbodysegmentation import bodySegmentation
import cv2

cap = cv2.VideoCapture(0)

while True:
    success, img = cap.read()
    backgroundColor = (255,0,255) #You can replace with an image too
    threshold = 0.45 #Level of background to be erased
    img = bodySegmentation(img,backgroundColor,threshold)
    cv2.imshow('Image',img)
    cv2.waitKey(1)

开发商

该软件包由热情的 AI 研究员Lakshay Kumar开发。这是为了记住编写冗长的代码来检测面部的痛苦而开发的。这将使其他开发人员能够更多地关注实现部分，而不是花时间编写人脸检测模块。