使用Python + OpenCV来实现脸部和眼睛的检测-51CTO.COM

[[198752]]

本篇文章使用Python和OpenCV中的Haar特征分类器对人脸及眼睛进行检测和追踪。在开始之前，有几件准备工作要完成。

第一，你需要有一个摄像头，如果没有的话也可以使用视频文件来替代。
第二，需要在python中安装OpenCV库。具体的方法是在这里下载相应的wheel(.whl)文件，并使用pip进行安装。
第三，下载OpenCV中的Haar特征分类器，你可以从Opencv官网下载源程序解压后获得Haar特征分类器，也可以直接下载所需的xml文件。

在完成准备工作后，我们开始进行人脸及眼睛的检测和追踪工作。首先导入所需使用的库文件。这里我们只需要使用numpy和cv2两个库。

#导入所需库文件 
 
import numpy as np 
 
import cv2

加载Haar特征分类器中的面部识别和眼睛识别两个xml文件。如何你还需要识别更多的元素也在这里一并加载。

#加载面部识别文件(请按文件实际存储路径进行调整) 
 
#https://github.com/Itseez/opencv/blob/master/data/haarcascades/haarcascade_frontalface_default.xml 
 
face_cascade = cv2.CascadeClassifier('haarcascade_frontalface_default.xml') 
 
#加载眼部识别文件(请按文件实际存储路径进行调整) 
 
#https://github.com/Itseez/opencv/blob/master/data/haarcascades/haarcascade_eye.xml 
 
eye_cascade = cv2.CascadeClassifier('haarcascade_eye.xml')

打开你的摄像头来获取视频，到这一步摄像头开始工作，但还没有任何影像输出。如果没有摄像头可以使用电脑里的视频文件进行替代。

#打开摄像头获取视频 
cap = cv2.VideoCapture(0)

我们同时将对摄像头获取的图像进行保存，这里对视频文件进行处理并设置保存路径及视频尺寸。(这一步不是必须的操作)

#编译并输出保存视频 
fourcc = cv2.VideoWriter_fourcc(*'XVID') 
out = cv2.VideoWriter('output.avi',fourcc, 20.0, (640,480))

开始获取并处理视频内容。下面是一个无限的循环结构，通过按键q可以结束循环。在这个循环中ret获取摄像头是否有返回的布尔值，img获取摄像头拍摄的视频内容。我们首先将摄像头获取的彩色图像转化为灰度图像。后续的操作将主要在灰度图像上完成，然后再使用灰度图像中的坐标对原始的彩色图像进行标记和输出。图像转化为灰度后首先进行人脸检测，然后在人脸检测的基础上再进行眼睛检测，这样做的原因有两点，1，避免面部以外的物体被错误的识别为眼睛，2，眼睛识别算法需要一些眼睛周围的面部特征来进行检测，从而提高准确率。

随后使用矩形绘制出人脸的位置和眼睛的位置，在设置绘制颜色时需要注意，OpenCV中的颜色值并不是RGB，而是BRG。检测和绘制完成后对图像进行输出。这时可以在视频窗口中看到被标记的面部和眼睛。由于我们使用的Haar特征分类器是正面面部识别，因此需要正对摄像头。如果面部发生偏转则无法识别。

#无限循环 
while(True): 
    #获取视频及返回状态 
    ret, img = cap.read() 
    #将获取的视频转化为灰色 
    gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) 
    #检测视频中的人脸，并用vector保存人脸的坐标、大小（用矩形表示） 
    faces = face_cascade.detectMultiScale(gray, 1.3, 5) 
  
    #脸部检测 
    for (x,y,w,h) in faces: 
        cv2.rectangle(img,(x,y),(x+w,y+h),(255,0,0),2) 
        roi_gray = gray[y:y+h, x:x+w] 
        roi_color = img[y:y+h, x:x+w] 
        #检测视频中脸部的眼睛，并用vector保存眼睛的坐标、大小（用矩形表示） 
        eyes = eye_cascade.detectMultiScale(roi_gray) 
        #眼睛检测 
        for (ex,ey,ew,eh) in eyes: 
            cv2.rectangle(roi_color,(ex,ey),(ex+ew,ey+eh),(0,255,0),2) 
  
    #显示原图像 
    cv2.imshow('img',img) 
    #按q键退出while循环 
    if cv2.waitKey(30) & 0xFF == ord('q'): 
        break

退出while循环后释放摄像头，完成视频输出并关闭所有窗口。

#释放摄像头 
cap.release() 
#关闭视频输出 
out.release() 
#关闭所有窗口 
cv2.destroyAllWindows()

以下是完整的人脸及眼睛检测代码：

def face_eye(): 
    import numpy as np 
    import cv2 
  
    face_cascade = cv2.CascadeClassifier('haarcascade_frontalface_default.xml') 
    eye_cascade = cv2.CascadeClassifier('haarcascade_eye.xml') 
  
    cap = cv2.VideoCapture(0) 
    fourcc = cv2.VideoWriter_fourcc(*'XVID') 
    out = cv2.VideoWriter('output.avi',fourcc, 20.0, (640,480)) 
  
    while(True): 
        ret, img = cap.read() 
        gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) 
        faces = face_cascade.detectMultiScale(gray, 1.3, 5) 
  
        for (x,y,w,h) in faces: 
            cv2.rectangle(img,(x,y),(x+w,y+h),(255,0,0),2) 
            roi_gray = gray[y:y+h, x:x+w] 
            roi_color = img[y:y+h, x:x+w] 
            eyes = eye_cascade.detectMultiScale(roi_gray) 
            for (ex,ey,ew,eh) in eyes: 
                cv2.rectangle(roi_color,(ex,ey),(ex+ew,ey+eh),(0,255,0),2) 
  
        cv2.imshow('img',img) 
        if cv2.waitKey(30) & 0xFF == ord('q'): 
            break 
    cap.release() 
    out.release() 
    cv2.destroyAllWindows() 
  
face_eye()