人脸识别还能这么玩

今天我们来扩展一下，用人脸玩飞机大战。虽然思路跟手势识别类似，但代码量比手势识别版稍多。

使用的人脸算法是毫秒级的，帧率能到 30，用电脑CPU运行也很流畅。

下面我分享下项目实现过程，文末获取项目完整的源代码。

准备飞机大战程序

Github上找到一个Python版本的飞机大战程序，安装Pygame即可运行。

用键盘的A、D、W、S键用来控制飞机的移动方向，分别对应左、右、上、下。

所以，接下来我们要做的是识别人脸，并对人脸姿态进行估计，将估计后的结果映射到左、右、上、下，从而控制飞机的运行。

人脸识别

这里，我们用opencv读取摄像头中的视频流。

将视频流中的每一帧送入mediapipe中的人脸识别模型，进行识别。

图片 mediapipe 不止能识别人脸，还能标注出人脸 6 个关键点左眼、右眼、左耳、右耳、鼻子、嘴巴。

核心代码：

with self.mp_face_detection.FaceDetection(
        model_selection=0, min_detection_confidence=0.9) as face_detection:
    while cap.isOpened():
        success, image = cap.read()
        image = cv2.cvtColor(image, cv2.COLOR_BGR2RGB)
        results = face_detection.process(image)
        image = cv2.cvtColor(image, cv2.COLOR_RGB2BGR)
        if results.detections:
            for detection in results.detections:
                # 获取人脸框坐标
                face_box = detection.location_data.relative_bounding_box
                face_w, face_h = int(face_box.width * frame_w), int(face_box.height * frame_h)
                face_l = int(face_box.xmin * frame_w) + face_w
                face_t = int(face_box.ymin * frame_h)
                face_r, face_b = face_l - face_w, face_t + face_h
                # 显示人脸框
                cv2.rectangle(image, (face_l, face_t), (face_r, face_b), (0, 255, 255), 2)
                self.draw_zh_img(image, self.face_box_name_img, (face_r + face_l) // 2, face_t - 5)

                pose_direct, pose_key_points = self.pose_estimate(detection)
                # 显示人脸 6 个关键点
                for point_name in FaceKeyPoint:
                    mp_point = self.mp_face_detection.get_key_point(detection, point_name)

                    point_x = int(mp_point.x * frame_w)
                    point_y = int(mp_point.y * frame_h)

                    point_color = (0, 255, 0) if point_name in pose_key_points else (255, 0, 255)
                    cv2.circle(image, (point_x, point_y), 4, point_color, -1)
                    # 显示关键点中文名称
                    point_name_img = self.face_key_point_name_img[point_name]
                    self.draw_zh_img(image, point_name_img, point_x, point_y-5)

这里有个小知识点需要大家注意下。

代码中用draw_zh_img来显示中文，由于opencv不支持直接显示中文。因此，我用PIL模块中Image方法提前绘制中文图片，并转为opencv格式。

在需要的时候，直接与视频流合并，效率高，不掉帧。

人脸姿态估计

之前手势识别，我们用相邻帧来判断手势的移动。人脸姿态估计只用当前帧就可以，相对容易一些。

我们通过人脸 6 个关键点的坐标距离，就可以判断出人脸的姿态

这里，左耳和鼻子的水平距离很近，因此，我们可以估计脸向左转，从而可以用只飞机向左移动。

同样的，用其他关键点，我们可以估计出人脸向右转、向上（抬头）和向下（低头）

核心代码：

# 左耳与鼻子水平距离，判断面部左转
left_ear_to_nose_dist = left_ear.x - nose_pos.x 
# 右耳与鼻子水平距离，判断面部右转
nose_to_right_ear_dist = nose_pos.x - right_ear.x  

# 鼻子与左眼垂直距离，判断面部向上
nose_to_left_eye_dist = nose_pos.y - left_eye.y  
# 左耳与左眼垂直距离，判断面部向下
left_ear_to_left_eye_dist = left_ear.y - left_eye.y  

if left_ear_to_nose_dist < 0.07:
    # print('左转')
    self.key_board.press_key('A')
    time.sleep(0.07)
    self.key_board.release_key('A')

    return 'A', [FaceKeyPoint.NOSE_TIP, FaceKeyPoint.LEFT_EAR_TRAGION]
if nose_to_right_ear_dist < 0.07:
    # print('右转')
    self.key_board.press_key('D')
    time.sleep(0.07)
    self.key_board.release_key('D')
    return 'D', [FaceKeyPoint.NOSE_TIP, FaceKeyPoint.RIGHT_EAR_TRAGION]

姿态控制飞机移动

识别出人脸姿态，我们就可以用程序控制键盘，从而控制飞机移动。

这里我用PyKeyboard模块控制键盘按键。

self.key_board = PyKeyboard()
# print('左转')
self.key_board.press_key('A')
time.sleep(0.07)
self.key_board.release_key('A')

press_key和release_key函数分别是按键和释放按键。

它们之间，调用了time.sleep(0.07)控制按键的时长，按键时间长，则飞机移动距离就长，反之，按键时间短，则飞机移动距离就短，大家可以根据自己的需求来调节。