RetinaFaceによる顔検出の方法

はじめに

本記事は、Retinafaceを用いた、顔検出の手法について解説します。顔検出とは、写真またはビデオ内の顔を検出する（他のオブジェクトと区別する）タスクです。

Papers with Codeの顔検出をみると、顔検出の手法は様々あります。

今回は、もっとも実装された論文である"RetinaFace: Single-stage Dense Face Localisation in the Wild"を使うことにします。
本モデルの実装ライブラリはいくつかありますが、pytorch実装で、かつpipで簡単にインストールできるRetinaFaceを使用しました。

動作環境

実行環境はGoogle Colaboratryを使用します。

RetinaFaceによる顔検出

まずは、retinaface_pytorchをインストールします。

! pip install -U retinaface_pytorch

次に、モデルのダウンロードをします。

import cv2
from matplotlib import pyplot as plt
from retinaface.pre_trained_models import get_model
from retinaface.utils import vis_annotations

model = get_model("resnet50_2020-07-20", max_size=2048)
model.eval()

最後に、顔検出を行います。検出された顔ごとにBounding boxの座標（'bbox'）、推論確率のスコア（'score'）、特徴点の座標（'landmarks'）が出力されます。ここでは、検出した顔のbounding boxを描画してみます。

os.chdir(src_img_fold)
def draw_res(image,results):
    for r in results:
        bbox = r['bbox']
        if not bbox:continue
        cv2.rectangle(image,(int(bbox[0]),int(bbox[1])),(int(bbox[2]),int(bbox[3])),(0,0,255),thickness=10)
    return image


for i, file in enumerate(src_files):
  print(file)
  path = file
  image = cv2.imread(path)
  image_rgb = cv2.cvtColor(image, cv2.COLOR_BGR2RGB)
  results = model.predict_jsons(image)

  image_out = draw_res(image,results)
  dst_file = "{dir}/{index:04d}.jpg".format(dir=dst_img_fold,index=i)
  cv2.imwrite(dst_file,image_out)

まとめ

本記事では、Retinafaceを用いた、顔検出の手法について解説しました。

RetinaFaceによる顔検出の方法

はじめに

動作環境

RetinaFaceによる顔検出

まとめ

参照