检测图像数据集中的人脸和眼睛,用矩形框绘制检测到的人脸和眼睛区域
1.使用cv2.CascadeClassifier
类加载检测人脸和眼睛的分类器,有三种不同的方法:
a. 普通加载
face_cascade = cv2.CascadeClassifier('haarcascade_frontalface_default.xml')
eye_cascade = cv2.CascadeClassifier('haarcascade_eye.xml')
b.输入绝对路径进行查找分类器文件,这个不容易报错,首先要在你的电脑里面查找到分类器的地址
face_cascade = cv2.CascadeClassifier('C:/path/to/haarcascade_frontalface_default.xml')
eye_cascade = cv2.CascadeClassifier('C:/path/to/haarcascade_eye.xml')
下面我用到的是第三种加载分类器文件方式
import cv2
import os
import numpy as np
# 定义一个函数
def detect_faces_eyes(image_path,save_path):
# 加载人脸检测器 和 眼睛检测器 的级联分类器
face_cascade = cv2.CascadeClassifier(cv2.data.haarcascades + 'haarcascade_frontalface_default.xml')
eye_cascade = cv2.CascadeClassifier(cv2.data.haarcascades + 'haarcascade_eye.xml')
# 读取图像
image = cv2.imdecode(np.fromfile(image_path, dtype=np.uint8), 1)
# 图像转成灰度图,以便更好的检测人脸和眼睛
gray = cv2.cvtColor(image,cv2.COLOR_BGR2GRAY)
# 检测人脸
faces = face_cascade.detectMultiScale(gray,scaleFactor=1.1,minNeighbors=5,minSize=(30,30))
for (x,y,w,h) in faces:
# 在检测到的人脸区域绘制矩形框
cv2.rectangle(image,(x,y),(x+w,y+h),(0,255,0),2)
roi_gray = gray[y:y+h,x:x+w]
roi_color = image[y:y+h,x:x+w]
# 在人脸区域检测眼睛
eyes = eye_cascade.detectMultiScale(roi_gray)
for (ex,ey,ew,eh) in eyes:
# 在检测到的眼睛区域绘制矩形框
cv2.rectangle(roi_color,(ex,ey),(ex+ew,ey+eh),(0,0,255),2)
# 保存图像
cv2.imencode(save_path, image)[1].tofile(save_path)
a = r'图片数据集目录'
b = r'保存图片目录'
for file in os.listdir(a):
image_path = os.path.join(a, file)
save_path = os.path.join(b, file)
detect_faces_eyes(image_path, save_path)
在上述代码中,我们首先加载了人脸检测器和眼睛检测器的级联分类器。这些级联分类器包含训练好的模型,可以用于检测人脸和眼睛。
然后,我们读取图像并将其转换为灰度图像,以便更好地进行人脸和眼睛检测。
我们使用os.listdir()
函数遍历图像文件目录中的每个文件。对于每个文件,我们构建图像路径和保存路径,并调用detect_faces_eyes()
函数进行人脸和眼睛检测。
希望本文能帮助你了解如何使用Python和OpenCV进行人脸和眼睛检测。如果你有任何问题,请随时提问。