佩奇猪脸引擎

简介

这是一个简单的演示程序，包含人脸检测和人脸对齐功能，并进行了一些优化以提升效果。

点击动图查看视频：

加上口罩的效果：

环境要求

• PyTorch
• onnxruntime
• opencv

模型

1 人脸检测器

yolov5-face

2 人脸关键点检测器

简单的关键点检测器。

WFLW	NME	浮点运算量(G)	参数量(M)	姿势	表情	照明	年龄	遮挡	模糊	预训练模型
学生版@128	4.80	0.35	3.25	8.53	5.00	4.61	4.81	5.80	5.36	skps
教师版@128	4.17	1.38	11.53	7.14	4.32	4.01	4.03	4.98	4.68	skps
学生版@256	4.35	1.39	3.25	7.53	4.52	4.16	4.21	5.34	4.93	skps
教师版@256	3.95	5.53	11.53	7.00	4.00	3.81	3.78	4.85	4.54	skps

当有更好的模型时，我会发布新的版本。

默认情况下，本项目使用学生版@256

安装

git clone https://github.com/610265158/Peppa_Pig_Face_Landmark
python setup.py install

使用方法

# 通过代码：

from Skps import FaceAna
facer = FaceAna()

result= facer.run(image)

## 检测图片时，不使用跟踪功能，需添加
##  facer.reset()

更多细节请参考 demo.py

运行 python demo.py --cam_id 0 使用摄像头
或 python demo.py --video test.mp4 对视频进行检测
或 python demo.py --img_dir ./test 对图片文件夹中的图片进行检测，不启用跟踪功能

如何训练

相关代码位于 TRAIN/face_landmark 文件夹中

请参考 TRAIN/face_landmark/README.md 来训练模型。

Peppa_Pig_Face_Landmark 快速上手指南

环境准备

在开始之前，请确保您的系统已安装以下依赖库：

• PyTorch
• onnxruntime
• opencv (OpenCV-Python)

提示：建议使用 Python 3.7+ 环境。如需加速依赖安装，可配置国内镜像源（如清华源或阿里源）。

安装步骤

1. 克隆项目仓库到本地：

git clone https://github.com/610265158/Peppa_Pig_Face_Landmark

2. 进入目录并安装：

cd Peppa_Pig_Face_Landmark
python setup.py install

基本使用

1. Python 代码调用

以下是通过代码进行人脸检测和对齐的最小示例：

from Skps import FaceAna

# 初始化面部分析器
facer = FaceAna()

# 执行检测，image 为输入图像数据
result = facer.run(image)

# 注意：如果不使用追踪功能，建议在每次处理新序列前调用
# facer.reset()

更多细节请参考项目中的 demo.py 文件。

2. 运行演示脚本

项目提供了多种模式的演示脚本，您可以根据需求选择运行方式：

• 调用摄像头实时检测：

python demo.py --cam_id 0

• 检测视频文件：

python demo.py --video test.mp4

• 批量检测图片目录（无追踪）：

python demo.py --img_dir ./test

模型说明

默认情况下，项目使用 Student@256 模型。该模型在精度和速度之间取得了较好的平衡。如需更高精度或更快速度，可参考 README 中的模型表格自行替换预训练模型。