在Python中使用OpenCV进行人脸检测

在Python中使用OpenCV进行人脸检测

 

opencv介绍

     OpenCV是如今最流行的计算机视觉库，

学习目标

• 我们今天就是要学习如何安装使用OpenCV 。
• 如何去访问我们的摄像头 。
• 我们一起来写一个人脸检测程序是如何地简单，简单到只需要几行代码 。

安装opencv

1. 我们需要先准备好这些环境（版本记得配好）：

• Python 2.x  
• OpenCV 3 （2也可以）

2. Numpy库 (这个可以在稍后用pip下载)

• 下载Python：我们可以先到官网上下对应的版本 。
• 版本信息：Windows是msi格式的版本，如果是Mac就可能是pkg格式的安装包，如果是Linux则可能是源码包。
• 安装和Python后打开命令行用pip验证是否安装成功，如下图表示成功：

由于

Numpy库的安装

• OpenCV需要使用Numpy库 。
• 安装Numpy库的命令：pip install numpy
• 安装Numpy库。安装完后，尝试导入，没有报错则ok：
• 然后进入OpenCV官网下对应的版本并安装，尝试导入：

 

尝试人脸检测

我们来写代码检测人脸吧，来一发OpenCV的Hello world。

在这里我们准备使用pre-trained（分类器）的XML文件，这些XML文件都较难训练，但是我们不需要担心，因此OpenCV已经为我们提供了很多人脸检测相关的pre-trained（分类器）。

想要使用这写分类器，我们需要将分类器的XML文件haarcascade_frontalface_default.xml从opencv文件夹/sources/data/haarcascades/下复制到我们将要写程序的目录下。

如果没有opencv文件夹/sources/data/haarcascades/这个目录，可以去opencv文夹/share/OpenCV/haarcascades/。

只要找到如下文件即可：

 

然后我们需要加载这个分类器：

detector = cv2.CascadeClassifier('haarcascade_frontalface_default.xml')

然后接下来我们先来测试一下摄像头吧，

# 1. 捕获电脑的第一个摄像头
cap = cv2.VideoCapture(0)
# 2. 读取这个摄像头，并截获图片。
ret, img = cap.read()
# 3. 展示截获的图片
cv2.imshow('windowname', img)

cv2.waitKey(0)

# 4.释放摄像头资源
cap.release()

以上的代码简述：

•  VideoCapture（）：值为0表示调用你电脑的0号摄像头，并展示出来。如果你有多个摄像头，那么你也可以试试别的id，修改VideoCapture函数的参数即可。
• cap.read()就是从摄像头获取到图像，这个函数返回了两个变量，第一个（ret）为布尔值表示成功与否，及第二个是图像（img）。
• 然后程序通过 imshow()展示图片，其第一个传入的参数为窗口的名称，而第二个就是要展示的图片，以上代码传入的就是我们的自拍。
• waitKey是用来停在图片的展示界面，让你看清楚，参数可以是10、100、1000等，单位是毫秒，这里填0就是一直停着。注意了，如果停留的时间不够久，就可能看不见imshow的照片了。

图片结果：运行了这段代码，你将会看到摄像头所拍摄的画面，一般来说就是你自己了。

 

图片处理

图片画面处理方法：

cvtColor() ：灰度处理单个图片 。
cvtColorTwoPlane() ：灰度处理两个图片 。

假设将图片先转换为灰度图片，

gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

然后就开始了人脸检测之旅：

faces = detector.detectMultiScale(gray, 1.3, 5)

以上的这句代码会等到一串list，list中的每个都有x, y, height, width四个变量。其中list表示检测到的人脸，即list的size就是人脸的个数，而每个人脸在图片中的位置是（x, y, height, width）。

为了能让我们更直观地看出来检测结果，我们将这些人脸框出来：

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

更进一步

现在我们已经通过摄像头检测到人脸了，但是我们真正需要的是不是一张静态的图片，我们需要的是一个能检测的实时动态视频流。因此我们加一个循环，然后不断的检测，最终在显示在新窗口中。

detector = cv2.CascadeClassifier('haarcascade_frontalface_default.xml')
cap = cv2.VideoCapture(0)

while True:
    ret, img = cap.read()
    gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    faces = detector.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)

    cv2.imshow('frame', img)
    if cv2.waitKey(1) & 0xFF == ord('q'):
        break

cap.release()
cv2.destroyAllWindows()

需要注意的是，结尾用了waitKey和ord实现了按q退出的功能，就是每一毫秒都在检测键盘有没有按下了q，要是按下了就退出循环了。接下来就释放资源。

总结

在本文中，我们学习了如何使用Python中的OpenCV，即通过代码写了一个人脸检测的程序。我们温习或学习了这些知识点：

• 使用OpenCV的分类器
• 从摄像头中读取照片
• 在图片上换框框
• 在新窗口上展示图片
• 实时地进行人脸检测