OpenCv—人脸笑脸检测代码实现

AI_dataloads

已于 2023-10-25 14:54:01 修改

阅读量1.6k

点赞数 4

文章标签： opencv 人工智能计算机视觉

于 2023-10-25 14:52:56 首次发布

本文链接：https://blog.csdn.net/AI_dataloads/article/details/134028899

版权

一、什么是人脸笑脸检测

人脸笑脸检测是一种在人脸检测之后进行的特殊检测，旨在识别并定位图像或视频中人物脸部的微笑特征。这种检测通常通过特定的算法来实现，这些算法可以识别出人物脸部的微笑表情，并且对检测出的微笑区域进行专门的自动对焦。人脸笑脸检测的最终结果是框住人物上扬的嘴角，以便更清晰地展示人物的微笑表情。

二、代码解读

1.完整代码

import cv2

faceCascade = cv2.CascadeClassifier('haarcascade_frontalface_default.xml')
smile = cv2.CascadeClassifier('haarcascade_smile.xml')

cap = cv2.VideoCapture(0)

while True:
    ret, image = cap.read()
    image = cv2.flip(image, 1)
    if ret is None:
        break
    gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

    faces = faceCascade.detectMultiScale(gray,
                                         scaleFactor=1.1,
                                         minNeighbors=10,
                                         minSize=(10, 10))

    for (x, y, w, h) in faces:
        cv2.rectangle(image, (x, y), (x + w, y + h), (0, 255, 0), 2)
        roi_gray_face = gray[y:y + h, x:x + w]
        smiles = smile.detectMultiScale(roi_gray_face,
                                        scaleFactor=1.2,
                                        minNeighbors=20,
                                        minSize=(10, 10))
        if len(smiles) > 8:
            print(len(smiles))

        for (sx, sy, sw, sh) in smiles:
            cv2.putText(image, 'smile', (x, y), cv2.FONT_HERSHEY_COMPLEX_SMALL, 1,
                        (0, 255, 255), thickness=2)

    cv2.imshow('dect', image)
    key = cv2.waitKey(100)
    if key == 27:
        break
cap.release()
cv2.destroyWindow()

2.详细代码

1、加载Haar级联分类器：

faceCascade = cv2.CascadeClassifier('haarcascade_frontalface_default.xml')  
smile = cv2.CascadeClassifier('haarcascade_smile.xml')

这两行代码加载了两个Haar级联分类器。第一个是用于检测正面的人脸，第二个是用于检测微笑。

2、视频捕获：

cap = cv2.VideoCapture(0)

这行代码打开摄像头进行视频捕获。在这里，参数0表示使用默认的摄像头。

3、循环读取视频帧：

while True:  
    ret, image = cap.read()  
    image = cv2.flip(image, 1)  
    if ret is None:  
        break  
    gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

这段代码进入一个无限循环，从摄像头捕获视频帧，并且把每一帧都翻转（可能是为了在显示时更好地观察）。当无法从摄像头读取新的帧时（即ret is None），循环终止。然后，将彩色图像转换为灰度图像，以便进行人脸和微笑检测。

4、人脸检测：

faces = faceCascade.detectMultiScale(gray,  
                                     scaleFactor=1.1,  
                                     minNeighbors=10,  
                                     minSize=(10, 10))

使用faceCascade分类器进行人脸检测。detectMultiScale方法接收四个参数：灰度图像、缩放因子、最小邻居数和最小大小。这段代码会检测出所有满足这些条件的人脸。

5、在检测到的人脸上画矩形并检测微笑：

for (x, y, w, h) in faces:  
    cv2.rectangle(image, (x, y), (x + w, y + h), (0, 255, 0), 2)  
    roi_gray_face = gray[y:y + h, x:x + w]  
    smiles = smile.detectMultiScale(roi_gray_face,  
                                    scaleFactor=1.2,  
                                    minNeighbors=20,  
                                    minSize=(10, 10))

这段代码遍历所有检测到的人脸，并在每个脸上画一个矩形。然后，从这个人脸区域中提取ROI（Region of Interest），并使用smile分类器检测这个ROI中是否有微笑。

6、判断是否有微笑并输出结果：

if len(smiles) > 8:  
    print(len(smiles))

如果smiles列表的长度大于8，那么就打印出这个长度。