人脸检测

一.实验内容

使用opencv-python完成人脸检测实验，要求可以在被检测图像中，框选人脸所在位置

二.实验步骤

本实验对应的python文件为FaceDetection.py，它是进行人脸识别的第一步，由于使用OpenCV提供的接口，使得实现过程大大简化，其中设计HaarCascade人脸检测器的配制方法，基本步骤分为以下三步：

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-XIVjKmMQ-1591925725279)(/home/tina/.config/Typora/typora-user-images/image-20191231165106154.png)]

本实验的重点时第二部接口的调用方法，下面我们用代码对其进行分析，在FaceDetection文件中，调用接口主要过程是：

• 加载下载好的存储在指定位置的haar人脸检测器参数。调用接口cv2.CascadeClassifier进行加载。
• 对摄像头拍下的图片进行灰度处理，更便于进行人脸检测。调用接口cv2.cvtColor
• 【关键部分】对绘图图像进行检测，获得人脸的位置。调用接口classfier.detectMultiScale

def FaceDetection(window_name="get face", camera_idx=0):
    '''
    截取并存储图片
    :param window_name: 窗口名字
    :param camera_idx: 摄像头的标签
    :param catch_pic_num: 需要的图片数目-1
    :param path_name: 图片存储的路径
    :return:
    '''
    #定义窗口名字
    cv2.namedWindow(window_name)

    # 视频来源，可以来自一段已存好的视频，也可以直接来自USB摄像头
    cap = cv2.VideoCapture(camera_idx)

    # 告诉OpenCV使用人脸识别分类器,导入模型
    classfier = cv2.CascadeClassifier("model/haarcascade_frontalface_alt.xml")

    # 识别出人脸后要画的边框的颜色，RGB格式, color是一个不可增删的数组
    color = (0, 255, 0)

    #记录当前数目
    num = 0
    #循环读取图片，判断摄像头是不是开着
    while cap.isOpened():
        ok, frame = cap.read()  # 读取一帧数据，这里的数据是矩阵形式
        #如果读取失败
        if not ok:
            break

        gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)  # 将当前桢图像转换成灰度图像

        # 人脸检测，1.2和2分别为图片缩放比例和需要检测的有效点数（有效人脸个数）
        faceRects = classfier.detectMultiScale(gray, scaleFactor=1.2, minNeighbors=3, minSize=(32, 32))
        #这里可以打印一下有效的人脸个数
        #这里可以识别多张图片
        if len(faceRects) > 0:  # 大于0则检测到人脸
            for faceRect in faceRects:  # 单独框出每一张人脸，但这里想要的是只找出一张人脸
                #矩形框具体的位置
                x, y, w, h = faceRect
                # 画出矩形框
                cv2.rectangle(frame, (x - 10, y - 10), (x + w + 10, y + h + 10), color, 2)
        # 显示图像，这里是等到所有框都画好之后再进行显示
        cv2.imshow(window_name, frame)
        #等待按键操作，如果10秒钟内没有按键,则继续，如果按下了q则停止
        c = cv2.waitKey(10)
        if c & 0xFF == ord('q'):
            break

    # 释放摄像头并销毁所有窗口
    cap.release()
    cv2.destroyAllWindows()
    return None