首先聲明，平均臉制作的方法一般都是使用AAM算法，但是我對(duì)這個(gè)算法不了解，所以在制作的時(shí)候，使用的是簡(jiǎn)單的加權(quán)的方法，高手勿噴。

我所用到的：

1.visual studio 2010 (openCV， 2.4以上好像才有 contrib這個(gè)module).

2.python (需要安裝PIL)

3.Matlab

我的步驟：

1.首先，要有圖

我是很想把課程網(wǎng)站給黑了，然后把學(xué)生圖片全搞下來(lái)的，但是，第一點(diǎn)：我不會(huì)；第二點(diǎn)：我發(fā)現(xiàn)課程網(wǎng)站上的照片根本不用我做什么，幾乎直接就能拿到。于是使用剛學(xué)習(xí)不久的Python，把新生照片給扒了下來(lái)，沒(méi)扒完，具體原因不說(shuō)了，總過(guò)扒了2000多張吧。

這里不會(huì)Python的同學(xué)可以查一下，主要用?urllib2模塊。

2.怎么對(duì)齊？

既然是直接圖片疊加，至少要把臉大概對(duì)對(duì)齊吧。我用了以下幾個(gè)步驟來(lái)做：

2.1 人眼識(shí)別

openCV 2.4提供了一個(gè)Facerecognizer類，官方文檔，就是我的另一篇文章【opencv】人臉識(shí)別、人眼識(shí)別and性別識(shí)別里面說(shuō)的，這里再次對(duì)其中借用的文章的原作者表示感謝。

2.2 裁剪與標(biāo)準(zhǔn)化（為了進(jìn)行性別分類）

這里openCV給的那個(gè)crop_face.py確實(shí)不錯(cuò)，進(jìn)行了裁剪，又將眼睛的位置對(duì)齊了，否則又要費(fèi)老半天勁來(lái)做矩陣變換，想想都煩。將上一步計(jì)算出的人眼的位置傳給CropFace函數(shù)，OK。如果你問(wèn)我為什么不在VS里面做這些，還非要又用C++，又用Python，這個(gè)主要是因?yàn)槿思医o了現(xiàn)成的CropFace的函數(shù)，我才懶得用C++再寫一遍。既然我選擇了這種方式，那就涉及到了exe程序與Python程序之間的通信問(wèn)題，我使用的方法見(jiàn)我的另一篇文章【python】python運(yùn)行exe，并獲取exe的output，于是將所有圖片都標(biāo)準(zhǔn)化了。

2.3 性別識(shí)別

性別識(shí)別使用的還是openCV，具體還是看我的文章【opencv】人臉識(shí)別、人眼識(shí)別and性別識(shí)別?里面說(shuō)的吧，openCV的document里面關(guān)于gender classify的部分幫助其實(shí)更大一點(diǎn)，這里推薦的是去Google Image上，直接搜明星的人臉來(lái)作為訓(xùn)練數(shù)據(jù)，但是我發(fā)現(xiàn)使用openCV自帶的人臉識(shí)別和人眼識(shí)別的XML并不能很好地識(shí)別多種場(chǎng)景下的人臉，尤其是人眼！我不是搞這方面研究的，也不想深究，于是果斷換成用自己扒的證件照來(lái)train一個(gè)classifier,效果一般，男生被誤分成女生的情況還是很多的，手動(dòng)挑揀出來(lái)之后女生約有700張，男生1100張，就這樣吧...

2.4 裁剪與標(biāo)準(zhǔn)化（用來(lái)進(jìn)行加權(quán)）

這里重新裁剪，因?yàn)?.2用的裁剪圖要小很多，只有一張臉而已，要做加權(quán)的話，還是大一點(diǎn)比較好看，于是就使用不同的參數(shù)重新crop，OK

3.使用Matlab計(jì)算平均臉

使用Matlab是因?yàn)镸atlab比較簡(jiǎn)單而且處理圖片相加這種操作還比較快（我對(duì)Python的PIL不熟，本來(lái)想嘗試一下，后來(lái)放棄了）

得到結(jié)果：

這里的平均臉其實(shí)真是算術(shù)平均的結(jié)果，效果比起AAM自然是要差不少，尤其是距離眼睛比較遠(yuǎn)的地方比較模糊，就這樣罷。

總結(jié)

以上是生活随笔為你收集整理的【something】简单的平均脸制作的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。