OpenCV + python 實(shí)現(xiàn)人臉檢測（基于照片和視頻進(jìn)行檢測）

?

?

Haar-like

通俗的來講，就是作為人臉特征即可。

Haar特征值反映了圖像的灰度變化情況。例如：臉部的一些特征能由矩形特征簡單的描述，如：眼睛要比臉頰顏色要深，鼻梁兩側(cè)比鼻梁顏色要深，嘴巴比周圍顏色要深等。

opencv api

要想使用opencv，就必須先知道其能干什么，怎么做。于是API的重要性便體現(xiàn)出來了。就本例而言，使用到的函數(shù)很少，也就普通的讀取圖片，灰度轉(zhuǎn)換，顯示圖像，簡單的編輯圖像罷了。

如下：

讀取圖片

只需要給出待操作的圖片的路徑即可。

import cv2
image = cv2.imread(imagepath)

灰度轉(zhuǎn)換

灰度轉(zhuǎn)換的作用就是：轉(zhuǎn)換成灰度的圖片的計算強(qiáng)度得以降低。

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

畫圖

opencv 的強(qiáng)大之處的一個體現(xiàn)就是其可以對圖片進(jìn)行任意編輯，處理。?
下面的這個函數(shù)最后一個參數(shù)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

編輯完的圖像要么直接的被顯示出來，要么就保存到物理的存儲介質(zhì)。

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

獲取人臉識別訓(xùn)練數(shù)據(jù)

看似復(fù)雜，其實(shí)就是對于人臉特征的一些描述，這樣opencv在讀取完數(shù)據(jù)后很據(jù)訓(xùn)練中的樣品數(shù)據(jù)，就可以感知讀取到的圖片上的特征，進(jìn)而對圖片進(jìn)行人臉識別。

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

里賣弄的這個xml文件，就是opencv在GitHub上共享出來的具有普適的訓(xùn)練好的數(shù)據(jù)。我們可以直接的拿來使用。

訓(xùn)練數(shù)據(jù)參考地址：

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

探測人臉

說白了，就是根據(jù)訓(xùn)練的數(shù)據(jù)來對新圖片進(jìn)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
)

我們可以隨意的指定里面參數(shù)的值，來達(dá)到不同精度下的識別。返回值就是opencv對圖片的探測結(jié)果的體現(xiàn)。

處理人臉探測的結(jié)果

結(jié)束了剛才的人臉探測，我們就可以拿到返回值來做進(jìn)一步的處理了。但這也不是說會多么的復(fù)雜，無非添加點(diǎn)特征值罷了。

import cv2

print "發(fā)現(xiàn){0}個人臉!".format(len(faces))

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

??實(shí)例

有了剛才的基礎(chǔ)，我們就可以完成一個簡單的人臉識別的小例子了。

?

基于照片：

圖片素材

下面的這張圖片將作為我們的檢測依據(jù)。?

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然后存儲
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: # 大于0則檢測到人臉
for faceRect in faceRects: # 單獨(dú)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(xì)



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

?

人臉檢測結(jié)果

輸出圖片：?

?

?

基于視頻：

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(shè)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(zhuǎn)為灰度圖像
gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)

# 調(diào)用分類器進(jìn)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(guān)閉攝像頭設(shè)備
video_capture.release()

# 關(guān)閉所有窗口
cv2.destroyAllWindows()

?

人臉檢測結(jié)果

?

總結(jié)

以上是生活随笔為你收集整理的OpenCV + python 实现人脸检测（基于照片和视频进行检测）的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。