Sử dụng Facemesh kết hợp SVM để dự đoán hướng nhìn khuôn mặt

✅ Lý do chọn SVM là vì tốc độ nhanh & kết quả chính xác.

Bài viết này sử dụng thư viện Scikit-learn để implement thuật toán SVM

2. Giới thiệu về Facemesh

Facemesh hay còn gọi là landmark là tập hợp các điểm (point) trên khuôn mặt. Thư viện mediapipe cung cấp function detect 468 điểm trên khuôn mặt rất nhanh & chính xác.

Đọc thêm về Facemesh tại: https://thigiacmaytinh.com/phat-hien-cu-dong-khuon-mat-bang-facemesh/

Trong thư viện Mediapipe mỗi điểm gồm 3 giá trị x, y, z trong không gian 3 chiều. Tuy nhiên chỉ cần x, y là đủ để phát hiện hướng nhìn, không cần đến z.

Dữ liệu mà SVM chấp nhận là array có giá trị từ 0-255, tuy nhiên mesh detect được có giá trị x, y từ 0->image width và 0->image height. Vì vậy cần normalize mesh về giá trị 0-255 để SVM chấp nhận.

Đầu tiên bạn cần resize facemesh về 256px, sau đó tịnh tiến về gốc tọa độ để giá trị x,y của mesh nằm trong khoảng 0-255.

Sau đó bạn cần nối các điểm của facemesh thành vector theo thứ tự, với 0 là class ID

x0 y 0x1 y1 x2 y2 x3 y3....x467 y467

Phần 2: thu thập dữ liệu khuôn mặt

Để training được hướng nhìn bạn cần tạo 5 folder với 5 hướng nhìn: Straight, Up, Down, Left, Right. Tương ứng là 5 class ID 0,1,2,3,4.

Số lượng ảnh cần khoảng 30 ảnh cho mỗi class, sau đó trong quá trình thử nghiệm nếu nhìn sai thì cần bổ sung tiếp.

Các bạn cần tạo matrix data với số lượng dòng bằng số lượng ảnh, số lượng cột bằng 468 x 2 = 936 (1 point có 2 giá trị) để training.

Và 1 mảng labels chứa class ID, là số đầu tiên của folder.

Phần 3: Hướng dẫn thực hiện

Chuẩn bị

1. Cài đặt Python 3.8.0
2. Cài đặt Visual Studio Code
3. Cài đăt các packages cần thiết: opencv-python, scikit-learn, numpy, mediapipe, pickle
   pip install scikit-learn, opencv-python, numpy, mediapipe, pickle

Thực hiện

Full code ở cuối bài viết

1. Khởi tạo Mediapipe FaceMesh
   
   # Initialize Mediapipe FaceMesh import mediapipe as mp mp_face_mesh = mp.solutions.face_mesh face_mesh = mp_face_mesh.FaceMesh(static_image_mode=False, max_num_faces=1, refine_landmarks=False, min_detection_confidence=0.5)

   1 2 3 4 5 6 7 8

   # Initialize Mediapipe FaceMesh import mediapipe as mp   mp_face_mesh = mp.solutions.face_mesh face_mesh = mp_face_mesh.FaceMesh(static_image_mode=False,                                   max_num_faces=1,                                   refine_landmarks=False,                                   min_detection_confidence=0.5)

2. Trích xuất 468 điểm của Face Landmarks bằng MediaPipe

   Bước này tìm facemesh và normalize về giá trị SVM chấp nhận.

   import cv2 import numpy as np def extract_face_landmarks(frame): landmarks = [] image_rgb = cv2.cvtColor(frame, cv2.COLOR_BGR2RGB) result = face_mesh.process(image_rgb) frame_height, frame_width, _ = frame.shape if result.multi_face_landmarks: for face_landmarks in result.multi_face_landmarks: # Extract the 468 landmarks left, top = frame_width, frame_height right, bottom = 0, 0 for point in face_landmarks.landmark: x = int(point.x * frame_width) y = int(point.y * frame_height) # Update the bounding box coordinates if x < left: left = int(x) if y < top: top = int(y) if x > right: right = int(x) if y > bottom: bottom = int(y) width = right - left height = bottom - top if (width > height): top -= (int)(width - height) / 2 height = width else: left -= (int)(height - width) / 2 width = height ratio = float(width) / 256 for point in face_landmarks.landmark: _x = float(point.x * frame_width - left) / ratio _y = float(point.y * frame_height - top) / ratio landmarks.append([int(_x), int(_y)]) # x, y coordinates (normalized) if (landmarks): return np.array(landmarks).flatten() else: return None

   1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52

   import cv2 import numpy as np   def extract_face_landmarks(frame):     landmarks = []     image_rgb = cv2.cvtColor(frame, cv2.COLOR_BGR2RGB)     result = face_mesh.process(image_rgb)     frame_height, frame_width, _ = frame.shape       if result.multi_face_landmarks:         for face_landmarks in result.multi_face_landmarks:             # Extract the 468 landmarks             left, top = frame_width, frame_height             right, bottom = 0, 0               for point in face_landmarks.landmark:                 x = int(point.x * frame_width)                 y = int(point.y * frame_height)                   # Update the bounding box coordinates                 if x < left:                     left = int(x)                 if y < top:                     top = int(y)                 if x > right:                     right = int(x)                 if y > bottom:                     bottom = int(y)                                              width = right - left             height = bottom - top               if (width > height):                 top -= (int)(width - height) / 2                 height = width                          else:                 left -= (int)(height - width) / 2                 width = height                                ratio = float(width) / 256               for point in face_landmarks.landmark:                 _x = float(point.x * frame_width - left) / ratio                 _y = float(point.y * frame_height - top) / ratio                 landmarks.append([int(_x), int(_y)])  # x, y coordinates (normalized)       if (landmarks):         return np.array(landmarks).flatten()         else:         return None

3. Load ảnh và labels

   Bước này load tất cả ảnh trong 5 folder và tạo thành 2 array để training

   import os def load_images_and_landmarks(dataset_dir): images = [] labels = [] for folder_name in os.listdir(dataset_dir): folder_path = os.path.join(dataset_dir, folder_name) if not os.path.isdir(folder_path): continue class_index, class_name = folder_name.split('.') for img_name in os.listdir(folder_path): img_path = os.path.join(folder_path, img_name) img = cv2.imread(img_path) landmarks = extract_face_landmarks(img) if landmarks is not None: images.append(landmarks) labels.append(int(class_index)) else: print(img_name) return np.array(images), np.array(labels)

   1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24

   import os   def load_images_and_landmarks(dataset_dir):     images = []     labels = []          for folder_name in os.listdir(dataset_dir):         folder_path = os.path.join(dataset_dir, folder_name)         if not os.path.isdir(folder_path):             continue         class_index, class_name = folder_name.split('.')                  for img_name in os.listdir(folder_path):             img_path = os.path.join(folder_path, img_name)             img = cv2.imread(img_path)                          landmarks = extract_face_landmarks(img)             if landmarks is not None:                 images.append(landmarks)                 labels.append(int(class_index))             else:                 print(img_name)          return np.array(images), np.array(labels)

4. Training SVM model

   Training và save model, test độ chính xác của model, đạt hơn 99% là được.

   from sklearn.svm import SVC import pickle def train_svm(X_train, y_train): svm_model = SVC(kernel='linear') # You can change the kernel type as needed svm_model.fit(X_train, y_train) return svm_model # Save the model def save_model(svm_model, filename): with open(filename, 'wb') as f: pickle.dump(svm_model, f) # Load the model def load_model(filename): with open(filename, 'rb') as f: svm_model = pickle.load(f) print(f"Model loaded from {filename}") return svm_model

   1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19

   from sklearn.svm import SVC import pickle   def train_svm(X_train, y_train):     svm_model = SVC(kernel='linear')  # You can change the kernel type as needed     svm_model.fit(X_train, y_train)     return svm_model   # Save the model def save_model(svm_model, filename):     with open(filename, 'wb') as f:         pickle.dump(svm_model, f)   # Load the model def load_model(filename):     with open(filename, 'rb') as f:         svm_model = pickle.load(f)     print(f"Model loaded from {filename}")     return svm_model

5. Train model
   
   from sklearn.model_selection import train_test_split from sklearn.metrics import accuracy_score dataset_dir = r'D:\Data.ML\faceset\FaceDirection' # Update this path to your dataset model_filename = 'svm_face_direction.xml' # Specify your desired filename class_names = ['straight', 'up', 'down', 'left', 'right', 'open mouth'] # Add your classes # Load dataset # Load dataset and extract 468 landmarks images, labels = load_images_and_landmarks(dataset_dir) # Split into training and test set X_train, X_test, y_train, y_test = train_test_split(images, labels, test_size=0.2, random_state=42) # Train the SVM model svm_model = train_svm(X_train, y_train) # Save the trained model to XML save_model(svm_model, model_filename) # Load the model back from the XML file loaded_svm_model = load_model(model_filename) # Evaluate the loaded model on the test set y_pred = loaded_svm_model.predict(X_test) print(f"Accuracy with loaded model: {accuracy_score(y_test, y_pred) * 100:.2f}%")

   1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26

   from sklearn.model_selection import train_test_split from sklearn.metrics import accuracy_score   dataset_dir = r'D:\Data.ML\faceset\FaceDirection'  # Update this path to your dataset model_filename = 'svm_face_direction.xml'  # Specify your desired filename class_names = ['straight', 'up', 'down', 'left', 'right', 'open mouth']  # Add your classes   # Load dataset # Load dataset and extract 468 landmarks images, labels = load_images_and_landmarks(dataset_dir)   # Split into training and test set X_train, X_test, y_train, y_test = train_test_split(images, labels, test_size=0.2, random_state=42)   # Train the SVM model svm_model = train_svm(X_train, y_train)   # Save the trained model to XML save_model(svm_model, model_filename)   # Load the model back from the XML file loaded_svm_model = load_model(model_filename)   # Evaluate the loaded model on the test set y_pred = loaded_svm_model.predict(X_test) print(f"Accuracy with loaded model: {accuracy_score(y_test, y_pred) * 100:.2f}%")

6. Test bằng webcam
   
   # 4. Test with Camera and Predict using SVM Model def test_with_camera(svm_model, class_names): cap = cv2.VideoCapture(0) while True: ret, frame = cap.read() if not ret: break # Extract landmarks from the live video frame landmarks = extract_face_landmarks(frame) if landmarks is not None: landmarks = landmarks.reshape(1, -1) # Reshape for prediction prediction = svm_model.predict(landmarks) predicted_class = class_names[prediction[0]] # Display the predicted class on the frame cv2.putText(frame, f"Prediction: {predicted_class}", (10, 30), cv2.FONT_HERSHEY_SIMPLEX, 1, (255, 0, 0), 2) cv2.imshow('Camera Feed', frame) if cv2.waitKey(1) & 0xFF == ord('q'): break cap.release() cv2.destroyAllWindows() test_with_camera(loaded_svm_model, class_names)

   1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28

   # 4. Test with Camera and Predict using SVM Model def test_with_camera(svm_model, class_names):     cap = cv2.VideoCapture(0)          while True:         ret, frame = cap.read()         if not ret:             break                  # Extract landmarks from the live video frame         landmarks = extract_face_landmarks(frame)         if landmarks is not None:             landmarks = landmarks.reshape(1, -1)  # Reshape for prediction             prediction = svm_model.predict(landmarks)             predicted_class = class_names[prediction[0]]                          # Display the predicted class on the frame             cv2.putText(frame, f"Prediction: {predicted_class}", (10, 30), cv2.FONT_HERSHEY_SIMPLEX, 1, (255, 0, 0), 2)                  cv2.imshow('Camera Feed', frame)                  if cv2.waitKey(1) & 0xFF == ord('q'):             break          cap.release()     cv2.destroyAllWindows()   test_with_camera(loaded_svm_model, class_names)

Source code