haar分类器
haar分类器是opencv自带的训练好的人脸检测模型,我们可以直接调用该模型对人脸进行检测,以及完成人脸数据的收集工作。
opencv-python工具包中自带haar分类器,我们需要找到该分类器的路径,方便下面代码对其调用。
收集数据代码
代码
import cv2
import os
import numpy as np
# 保存图片数据
def save_image(image, data_path, name, pic_name):
label_path = os.path.join(data_path, name)
if not os.path.exists(label_path):
os.mkdir(label_path)
# 保存图片
cv2.imwrite(os.path.join(label_path, pic_name), image)
# 调用电脑摄像头检测人脸并截图
def catch_face_data(window_name, data_path, classifier_path, catch_num, label_name):
# 设置窗口命名
cv2.namedWindow(window_name)
# 调用电脑摄像头
cap = cv2.VideoCapture(0)
# 告诉OpenCV使用人脸识别分类器
classifier = cv2.CascadeClassifier(classifier_path)
# 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 = (255, 0, 0)
num = 1
# 创建文件夹存放目录,默认当前路径下
if os.path.exists(data_path) is False:
os.mkdir(data_path)
while True:
sucess, frame = cap.read()
if not sucess:
break
gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
# 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
faceRects = classifier.detectMultiScale(gray, scaleFactor=1.2, minNeighbors=3, minSize=(32, 32))
# 保持画面的持续。
k = cv2.waitKey(10)
if k == 27 or k == ord("q"):
# 通过esc键和q键控制退出摄像
cap.release()
cv2.destroyAllWindows()
break
if len(faceRects) > 0:
for faceRect in faceRects:
# x,y是矩阵左上点的坐标,w,h是矩阵的宽和高
x, y, w, h = faceRect
if num <= catch_num:
# 画出人脸矩形框,可自行调节截取人脸的大小
cv2.rectangle(frame, (x - 20, y - 100), (x + w + 20, y + h + 100), color, 2)
# 截取人脸作为图片数据保存
image = gray[y - 100: y + h + 100, x - 20: x + w + 20]
# 除去异常数据
if image.shape is None:
continue
x_shape, y_shape = image.shape
if x_shape < 300 or y_shape < 250:
continue
pic_name = "%s-%d.jpg" % (label_name, num)
# 保存图片
save_image(image, data_path, label_name, pic_name)
# 显示当前捕捉到了多少人脸图片了
font = cv2.FONT_HERSHEY_SIMPLEX
cv2.putText(frame, 'num:%d/%d' % (num, catch_num), (x + 30, y + 30), font, 1, (255, 0, 255), 4)
num += 1
cv2.imshow(window_name, frame)
if num > catch_num:
# 截取足够数量数据后退出摄像
cap.release()
cv2.destroyAllWindows()
break
if __name__ == '__main__':
# 视频窗口的名称
window_name = 'get_face'
# 保存图片数据集文件夹的路径
data_path = 'face_data'
# opencv的haar分类器的路径,一定要使用opencv中的文件路径
classifier_path = '/Users/liqingze/PycharmProjects/face_recoginze/venv/lib/python3.7/site-packages/cv2/data/haarcascade_frontalface_default.xml'
# 收集的图片数据的数量
catch_num = 2000
# name将用作数据集的标签名称
label_name = 'liqingze'
catch_face_data(window_name, data_path, classifier_path, catch_num, label_name)
catch_face_data(window_name, write_path, classifier_path, catch_num, name)
- window_name:视频窗口名称。
- write_path:图片数据保存地址。
- classifier_path:Haar级联分类器的地址。
- catch_num:需要截取的数据量。
- name:保存的文件命名前缀。
建议不要戴眼镜,戴眼镜人脸检测效果不好。
演示:
截取到的人脸:
数据收集: