OpenCV + python 實現人臉檢測（基於照片和視頻進行檢測）

OpenCV + python 實現人臉檢測（基於照片和視頻進行檢測）

 

 

Haar-like

通俗的來說，就是做爲人臉特徵便可。

Haar特徵值反映了圖像的灰度變化狀況。例如：臉部的一些特徵能由矩形特徵簡單的描述，如：眼睛要比臉頰顏色要深，鼻樑兩側比鼻樑顏色要深，嘴巴比周圍顏色要深等。

opencv api

要想使用opencv，就必須先知道其能幹什麼，怎麼作。因而API的重要性便體現出來了。就本例而言，使用到的函數不多，也就普通的讀取圖片，灰度轉換，顯示圖像，簡單的編輯圖像罷了。

以下：

讀取圖片

只須要給出待操做的圖片的路徑便可。

import cv2
image = cv2.imread(imagepath)

灰度轉換

灰度轉換的做用就是：轉換成灰度的圖片的計算強度得以下降。

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

畫圖

opencv 的強大之處的一個體現就是其能夠對圖片進行任意編輯，處理。 
下面的這個函數最後一個參數指定的就是畫筆的大小。

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

顯示圖像

編輯完的圖像要麼直接的被顯示出來，要麼就保存到物理的存儲介質。

import cv2
cv2.imshow("Image Title",image)

獲取人臉識別訓練數據

看似複雜，其實就是對於人臉特徵的一些描述，這樣opencv在讀取完數據後很據訓練中的樣品數據，就能夠感知讀取到的圖片上的特徵，進而對圖片進行人臉識別。

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

裏賣弄的這個xml文件，就是opencv在GitHub上共享出來的具備普適的訓練好的數據。咱們能夠直接的拿來使用。

訓練數據參考地址：

https://github.com/opencv/opencv/tree/master/data/haarcascades 

探測人臉

說白了，就是根據訓練的數據來對新圖片進行識別的過程。

import cv2

# 探測圖片中的人臉

faces = face_cascade.detectMultiScale(
   gray,
   scaleFactor = 1.15,
   minNeighbors = 5,
   minSize = (5,5),
   flags = cv2.cv.CV_HAAR_SCALE_IMAGE
)

咱們能夠隨意的指定裏面參數的值，來達到不一樣精度下的識別。返回值就是opencv對圖片的探測結果的體現。

處理人臉探測的結果

結束了剛纔的人臉探測，咱們就能夠拿到返回值來作進一步的處理了。但這也不是說會多麼的複雜，無非添加點特徵值罷了。

import cv2

print "發現{0}我的臉!".format(len(faces))

for(x,y,w,h) in faces:
   cv2.rectangle(image,(x,y),(x+w,y+w),(0,255,0),2)

  實例

有了剛纔的基礎，咱們就能夠完成一個簡單的人臉識別的小例子了。

 

基於照片：

圖片素材

下面的這張圖片將做爲咱們的檢測依據。 

人臉檢測代碼

import cv2
import numpy as np

import sys,os,glob,numpy
from skimage import io

#指定圖片的人臉識別而後存儲
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: # 大於0則檢測到人臉
for faceRect in faceRects: # 單獨框出每一張人臉
x, y, w, h = faceRect
cv2.rectangle(img, (x - 10, y - 10), (x + w + 10, y + h + 10), color, 3) #5控制綠色框的粗細



# 寫入圖像
cv2.imwrite('output.jpg',img)
cv2.imshow("Find Faces!",img)
cv2.waitKey(0)

 

人臉檢測結果

輸出圖片： 

 

 

基於視頻：

人臉檢測代碼

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)

# 打開視頻捕獲設備
video_capture = cv2.VideoCapture(0)

while True:
if not video_capture.isOpened():
print('Unable to load camera.')
sleep(5)
pass

# 讀視頻幀
ret, frame = video_capture.read()

# 轉爲灰度圖像
gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)

# 調用分類器進行檢測
faces = faceCascade.detectMultiScale(
gray,
scaleFactor=1.1,
minNeighbors=5,
minSize=(30, 30),
#flags=cv2.cv.CV_HAAR_SCALE_IMAGE
)

# 畫矩形框
for (x, y, w, h) in faces:
cv2.rectangle(frame, (x, y), (x+w, y+h), (0, 255, 0), 2)

# 顯示視頻
cv2.imshow('Video', frame)

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

# 關閉攝像頭設備
video_capture.release()

# 關閉全部窗口
cv2.destroyAllWindows()

 

人臉檢測結果