OpenCV + python 实现人脸检测（基于照片和视频进行检测）

 

 

Haar-like

通俗的来讲，就是作为人脸特征即可。

Haar特征值反映了图像的灰度变化情况。例如：脸部的一些特征能由矩形特征简单的描述，如：眼睛要比脸颊颜色要深，鼻梁两侧比鼻梁颜色要深，嘴巴比周围颜色要深等。

opencv api

要想使用opencv，就必须先知道其能干什么，怎么做。于是API的重要性便体现出来了。就本例而言，使用到的函数很少，也就普通的读取图片，灰度转换，显示图像，简单的编辑图像罢了。

如下：

读取图片

只需要给出待操作的图片的路径即可。

import cv2

image = cv2.imread(imagepath)

灰度转换

灰度转换的作用就是：转换成灰度的图片的计算强度得以降低。

import cv2

gray = cv2.cvtColor(image,cv2.COLOR_BGR2GRAY)

画图

opencv 的强大之处的一个体现就是其可以对图片进行任意编辑，处理。 

下面的这个函数最后一个参数指定的就是画笔的大小。

import cv2

cv2.rectangle(image,(x,y),(x+w,y+w),(0,255,0),2)

显示图像

编辑完的图像要么直接的被显示出来，要么就保存到物理的存储介质。

import cv2

cv2.imshow("Image Title",image)

获取人脸识别训练数据

看似复杂，其实就是对于人脸特征的一些描述，这样opencv在读取完数据后很据训练中的样品数据，就可以感知读取到的图片上的特征，进而对图片进行人脸识别。

import cv2

face_cascade = cv2.CascadeClassifier(r'./haarcascade_frontalface_default.xml')

里卖弄的这个xml文件，就是opencv在GitHub上共享出来的具有普适的训练好的数据。我们可以直接的拿来使用。

训练数据参考地址：

 

探测人脸

说白了，就是根据训练的数据来对新图片进行识别的过程。

import cv2

# 探测图片中的人脸

faces = face_cascade.detectMultiScale(

   gray,

   scaleFactor = 1.15,

   minNeighbors = 5,

   minSize = (5,5),

   flags = cv2.cv.CV_HAAR_SCALE_IMAGE

)

我们可以随意的指定里面参数的值，来达到不同精度下的识别。返回值就是opencv对图片的探测结果的体现。

处理人脸探测的结果

结束了刚才的人脸探测，我们就可以拿到返回值来做进一步的处理了。但这也不是说会多么的复杂，无非添加点特征值罢了。

import cv2

print "发现{0}个人脸!".format(len(faces))

for(x,y,w,h) in faces:

   cv2.rectangle(image,(x,y),(x+w,y+w),(0,255,0),2)

  实例

有了刚才的基础，我们就可以完成一个简单的人脸识别的小例子了。

 

基于照片：

图片素材

下面的这张图片将作为我们的检测依据。 

人脸检测代码

import cv2

import numpy as np

import sys,os,glob,numpy

from skimage import io

#指定图片的人脸识别然后存储

img = cv2.imread("test.jpg")

color = (0, 255, 0)

grey = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

classfier = cv2.CascadeClassifier("C:\\Users\\22291_000\\Anaconda3\\Lib\\site-packages\\cv2\\data\\haarcascade_frontalface_alt2.xml")

faceRects = classfier.detectMultiScale(grey, scaleFactor=1.2, minNeighbors=3, minSize=(32, 32))

if len(faceRects) > 0: # 大于0则检测到人脸

for faceRect in faceRects: # 单独框出每一张人脸

x, y, w, h = faceRect

cv2.rectangle(img, (x - 10, y - 10), (x + w + 10, y + h + 10), color, 3) #5控制绿色框的粗细

# 写入图像

cv2.imwrite('output.jpg',img)

cv2.imshow("Find Faces!",img)

cv2.waitKey(0)

 

人脸检测结果

输出图片： 

 

 

基于视频：

人脸检测代码

import cv2

import sys

import logging as log

import datetime as dt

from time import sleep

cascPath = "C:\\Users\\22291_000\\Anaconda3\\Lib\\site-packages\\cv2\\data\\haarcascade_frontalface_alt2.xml"

faceCascade = cv2.CascadeClassifier(cascPath)

# 打开视频捕获设备

video_capture = cv2.VideoCapture(0)

while True:

if not video_capture.isOpened():

print('Unable to load camera.')

sleep(5)

pass

# 读视频帧

ret, frame = video_capture.read()

# 转为灰度图像

gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)

# 调用分类器进行检测

faces = faceCascade.detectMultiScale(

gray,

scaleFactor=1.1,

minNeighbors=5,

minSize=(30, 30),

#flags=cv2.cv.CV_HAAR_SCALE_IMAGE

)

# 画矩形框

for (x, y, w, h) in faces:

cv2.rectangle(frame, (x, y), (x+w, y+h), (0, 255, 0), 2)

# 显示视频

cv2.imshow('Video', frame)

if cv2.waitKey(1) & 0xFF == ord('q'):

break

# 关闭摄像头设备

video_capture.release()

# 关闭所有窗口

cv2.destroyAllWindows()

 

人脸检测结果