使用OpenCV完成人脸数据收集

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：