Python-OpenCV人脸检测(代码)
内容导读
互联网集市收集整理的这篇技术教程文章主要介绍了Python-OpenCV人脸检测(代码)，小编现在分享给大家，供广大互联网技能从业者学习和参考。文章包含5145字，纯文字阅读大概需要8分钟。
内容图文
Python-OpenCV人脸检测(代码)
@author:wepon
@blog:http://blog.csdn.net/u012162613/article/details/43523507
做人脸识别，首先要检测出图片/视频中的人脸，今天就研究了一下OpenCV的Python接口，把常用的一些功能模块写成函数。基于Python-OpenCV以及PIL，实现图片中人脸的检测以及截取保存、眼睛检测、笑脸检测。下面简单总结一下。
一、软件安装
安装Python-OpenCV以及其依赖库、PIL，通过软件包管理器安装即可（Ubuntu系统）：
sudo apt-get install libopencv-* sudo apt-get install python-opencv sudo apt-get install python-imaging
安装完后，在”/usr/share/opencv/haarcascades/”目录下，可以看到很多的xml文件，如下图。这些文件保存的就是训练好之后的haar特征，关于人脸检测的haar分类器，推荐博文
:
《浅析人脸检测之Haar分类器方法》
、
《目标检测的图像特征提取之（三）Haar特征》
。本文不阐述原理，只介绍怎么用这些xml文件来进行人脸检测。
二、python-opencv实现人脸检测
- 人脸检测
定义人脸检测函数detectFaces()，检测图片中所有出现的人脸，并返回人脸的矩形坐标（矩形左上、右下顶点坐标）。使用上面提到的xml文件（haar特征），haarcascades目录下有好几个是关于人脸检测的文件，这里选择haarcascade_frontalface_default.xml，当然也可以使用其他的。另外需要注意的是，必须以灰度图作为haar分类器的输入。
def
detectFaces
(
image_name
):
img
=
cv2
.
imread
(
image_name
)
face_cascade
=
cv2
.
CascadeClassifier
(
"/usr/share/opencv/haarcascades/haarcascade_frontalface_default.xml"
)
if
img
.
ndim
==
3
:
gray
=
cv2
.
cvtColor
(
img
,
cv2
.
COLOR_BGR2GRAY
)
else
:
gray
=
img
#if语句：如果img维度为3，说明不是灰度图，先转化为灰度图gray，如果不为3，也就是2，原图就是灰度图
faces
=
face_cascade
.
detectMultiScale
(
gray
,
1.2
,
5
)#
1.3
和
5
是特征的最小、最大检测窗口，它改变检测结果也会改变
result
=
[]
for
(
x
,
y
,
width
,
height
)
in
faces
:
result
.
append
((
x
,
y
,
x
+
width
,
y
+
height
))
return
result
代码很好理解，先加载xml文件生成级联分类器face_cascade，然后用这个级联分类器对灰度图进行检测face_cascade.detectMultiScale(gray, 1.2, 5)，返回值即图片中所有人脸的坐标(x,y,w,h)，在上面的函数中，我们转化了一下，使得函数返回的是人脸矩形的左上、右下顶点坐标。（注：坐标零点即原始图像左上顶点，往下y增加，往右x增加）。
- 截取保存人脸图
上面的detectFaces函数我们获得了图片中所有人脸的坐标，在有些时候，我们希望把人脸截取出来，然后进行下一步操作（比如做人脸身份识别、表情识别等），保存人脸图的函数如下，使用了PIL的Image模块：
def
saveFaces
(
image_name
):
faces
=
detectFaces
(
image_name
)
if
faces
:
#将人脸保存在save_dir目录下。
#Image模块：Image.open获取图像句柄，crop剪切图像(剪切的区域就是detectFaces返回的坐标)，save保存。
save_dir
=
image_name
.
split
(
‘.‘
)[
0
]+
"_faces"
os
.
mkdir
(
save_dir
)
count
=
0
for
(
x1
,
y1
,
x2
,
y2
)
in
faces
:
file_name
=
os
.
path
.
join
(
save_dir
,
str
(
count
)+
".jpg"
)
Image
.
open
(
image_name
).
crop
((
x1
,
y1
,
x2
,
y2
)).
save
(
file_name
)
count
+=
1
- 框出人脸
有些时候，为了展示或者方便观察，需要在原始图像上框出人脸，用矩形将人脸框出，这个功能的实现如下，主要用到PIL的ImageDraw模块（另外，opencv也有画矩形工具，也可以实现）：
#在原图像上画矩形，框出所有人脸。
#调用Image模块的draw方法，Image.open获取图像句柄，ImageDraw.Draw获取该图像的draw实例，然后调用该draw实例的rectangle方法画矩形(矩形的坐标即
#detectFaces返回的坐标)，outline是矩形线条颜色(B,G,R)。
#注：原始图像如果是灰度图，则去掉outline，因为灰度图没有RGB可言。drawEyes、detectSmiles也一样。
def
drawFaces
(
image_name
):
faces
=
detectFaces
(
image_name
)
if
faces
:
img
=
Image
.
open
(
image_name
)
draw_instance
=
ImageDraw
.
Draw
(
img
)
for
(
x1
,
y1
,
x2
,
y2
)
in
faces
:
draw_instance
.
rectangle
((
x1
,
y1
,
x2
,
y2
),
outline
=(
255
,
0
,
0
))
img
.
save
(
‘drawfaces_‘
+
image_name
)
好了，先看一下效果，运行drawFaces(‘obama.jpg’)，得到右图：
运行saveFaces(‘obama.jpg’)，将在当前目录下生成一个文件夹，并保存上面框出来的人脸，当然，有一些人脸没被检测出来，有些不是人脸被误认为人脸。
- 眼睛检测
在haarcascades目录下，也有一些关于眼睛检测的xml文件。可以像函数detectFaces()那样，将检测face的xml文件换成检测eyes的xml文件即可。但是，由于眼睛在人脸上，我们往往是先检测出人脸，再细入地检测眼睛。故detectEyes可在detectFaces基础上来进行，代码中需要注意“相对坐标”。detectEyes()函数同样返回所有eyes在原图中的坐标。
def
detectEyes
(
image_name
):
eye_cascade
=
cv2
.
CascadeClassifier
(
‘/usr/share/opencv/haarcascades/haarcascade_eye.xml‘
)
faces
=
detectFaces
(
image_name
)
img
=
cv2
.
imread
(
image_name
)
gray
=
cv2
.
cvtColor
(
img
,
cv2
.
COLOR_BGR2GRAY
)
result
=
[]
for
(
x1
,
y1
,
x2
,
y2
)
in
faces
:
roi_gray
=
gray
[
y1
:
y2
,
x1
:
x2
]
eyes
=
eye_cascade
.
detectMultiScale
(
roi_gray
,
1.3
,
2
)
for
(
ex
,
ey
,
ew
,
eh
)
in
eyes
:
result
.
append
((
x1
+
ex
,
y1
+
ey
,
x1
+
ex
+
ew
,
y1
+
ey
+
eh
))
return
result
- 框出眼睛
def
drawEyes
(
image_name
):
eyes
=
detectEyes
(
image_name
)
if
eyes
:
img
=
Image
.
open
(
image_name
)
draw_instance
=
ImageDraw
.
Draw
(
img
)
for
(
x1
,
y1
,
x2
,
y2
)
in
eyes
:
draw_instance
.
rectangle
((
x1
,
y1
,
x2
,
y2
),
outline
=(
0
,
0
,
255
))
img
.
save
(
‘draweyes_‘
+
image_name
)
运行drawEyes(‘obama.jpg’)，看下效果，非常差：
- 笑脸检测
def
detectSmiles
(
image_name
):
img
=
cv2
.
imread
(
image_name
)
smiles_cascade
=
cv2
.
CascadeClassifier
(
"/usr/share/opencv/haarcascades/haarcascade_smile.xml"
)
if
img
.
ndim
==
3
:
gray
=
cv2
.
cvtColor
(
img
,
cv2
.
COLOR_BGR2GRAY
)
else
:
gray
=
img
#if语句：如果img维度为3，说明不是灰度图，先转化为灰度图gray，如果不为3，也就是2，原图就是灰度图
smiles
=
smiles_cascade
.
detectMultiScale
(
gray
,
4
,
5
)
result
=
[]
for
(
x
,
y
,
width
,
height
)
in
smiles
:
result
.
append
((
x
,
y
,
x
+
width
,
y
+
height
))
return
result
- 框出笑脸
def
drawSmiles
(
image_name
):
smiles
=
detectSmiles
(
image_name
)
if
smiles
:
img
=
Image
.
open
(
image_name
)
draw_instance
=
ImageDraw
.
Draw
(
img
)
for
(
x1
,
y1
,
x2
,
y2
)
in
smiles
:
draw_instance
.
rectangle
((
x1
,
y1
,
x2
,
y2
),
outline
=(
100
,
100
,
0
))
img
.
save
(
‘drawsmiles_‘
+
image_name
)
运行drawSmiles(‘obama.jpg’)，看下效果，奥巴马的眼睛会笑了：
总之，利用opencv里训练好的haar特征的xml文件，在图片上检测出人脸（眼睛、鼻子、笑脸…）的坐标，利用这个坐标，我们可以将人脸区域剪切保存，也可以在原图上将人脸框出。剪切保存人脸以及用矩形工具框出人脸，本程序使用的是PIL里的Image、ImageDraw模块。此外也可以用opencv里的画图工具画矩形。
代码文件放在我的github上 ：wepe/OpenCV-demo/FaceDetection_python-opencv
参考：
1、OpenCV-Python Tutorials ? Object Detection ? Face Detection using Haar Cascades
2、 Python Imaging Library Handbook
原文：http://blog.csdn.net/u012162613/article/details/43523507
内容总结
以上是互联网集市为您收集整理的Python-OpenCV人脸检测(代码)全部内容，希望文章能够帮你解决Python-OpenCV人脸检测(代码)所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错，欢迎将互联网集市网站推荐给程序员好友。
内容备注
版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 gblab@vip.qq.com 举报，一经查实，本站将立刻删除。
内容手机端
扫描二维码推送至手机访问。