本文主要是介绍使用Python + OpenCV来实现脸部和眼睛的检测,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!
本篇文章使用Python和OpenCV中的Haar特征分类器对人脸及眼睛进行检测和追踪。在开始之前,有几件准备工作要完成。
- 第一,你需要有一个摄像头,如果没有的话也可以使用视频文件来替代。
- 第二,需要在python中安装OpenCV库。具体的方法是在这里下载相应的wheel(.whl)文件,并使用pip进行安装。
- 第三,下载OpenCV中的Haar特征分类器,你可以从Opencv官网下载源程序解压后获得Haar特征分类器,也可以直接下载所需的xml文件。
在完成准备工作后,我们开始进行人脸及眼睛的检测和追踪工作。首先导入所需使用的库文件。这里我们只需要使用numpy和cv2两个库。
- #导入所需库文件
- import numpy as np
- import cv2
加载Haar特征分类器中的面部识别和眼睛识别两个xml文件。如何你还需要识别更多的元素也在这里一并加载。
- #加载面部识别文件(请按文件实际存储路径进行调整)
- #https://github.com/Itseez/opencv/blob/master/data/haarcascades/haarcascade_frontalface_default.xml
- face_cascade = cv2.CascadeClassifier('haarcascade_frontalface_default.xml')
- #加载眼部识别文件(请按文件实际存储路径进行调整)
- #https://github.com/Itseez/opencv/blob/master/data/haarcascades/haarcascade_eye.xml
- eye_cascade = cv2.CascadeClassifier('haarcascade_eye.xml')
打开你的摄像头来获取视频,到这一步摄像头开始工作,但还没有任何影像输出。如果没有摄像头可以使用电脑里的视频文件进行替代。
- #打开摄像头获取视频
- cap = cv2.VideoCapture(0)
我们同时将对摄像头获取的图像进行保存,这里对视频文件进行处理并设置保存路径及视频尺寸。(这一步不是必须的操作)
- #编译并输出保存视频
- fourcc = cv2.VideoWriter_fourcc(*'XVID')
- out = cv2.VideoWriter('output.avi',fourcc, 20.0, (640,480))
开始获取并处理视频内容。下面是一个无限的循环结构,通过按键q可以结束循环。在这个循环中ret获取摄像头是否有返回的布尔值,img获取摄像头拍摄的视频内容。我们首先将摄像头获取的彩色图像转化为灰度图像。后续的操作将主要在灰度图像上完成,然后再使用灰度图像中的坐标对原始的彩色图像进行标记和输出。图像转化为灰度后首先进行人脸检测,然后在人脸检测的基础上再进行眼睛检测,这样做的原因有两点,1,避免面部以外的物体被错误的识别为眼睛,2,眼睛识别算法需要一些眼睛周围的面部特征来进行检测,从而提高准确率。
随后使用矩形绘制出人脸的位置和眼睛的位置,在设置绘制颜色时需要注意,OpenCV中的颜色值并不是RGB,而是BRG。检测和绘制完成后对图像进行输出。这时可以在视频窗口中看到被标记的面部和眼睛。由于我们使用的Haar特征分类器是正面面部识别,因此需要正对摄像头。如果面部发生偏转则无法识别。
- #无限循环
- while(True):
- #获取视频及返回状态
- ret, img = cap.read()
- #将获取的视频转化为灰色
- gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
- #检测视频中的人脸,并用vector保存人脸的坐标、大小(用矩形表示)
- faces = face_cascade.detectMultiScale(gray, 1.3, 5)
- #脸部检测
- for (x,y,w,h) in faces:
- cv2.rectangle(img,(x,y),(x+w,y+h),(255,0,0),2)
- roi_gray = gray[y:y+h, x:x+w]
- roi_color = img[y:y+h, x:x+w]
- #检测视频中脸部的眼睛,并用vector保存眼睛的坐标、大小(用矩形表示)
- eyes = eye_cascade.detectMultiScale(roi_gray)
- #眼睛检测
- for (ex,ey,ew,eh) in eyes:
- cv2.rectangle(roi_color,(ex,ey),(ex+ew,ey+eh),(0,255,0),2)
- #显示原图像
- cv2.imshow('img',img)
- #按q键退出while循环
- if cv2.waitKey(30) & 0xFF == ord('q'):
- break
退出while循环后释放摄像头,完成视频输出并关闭所有窗口。
- #释放摄像头
- cap.release()
- #关闭视频输出
- out.release()
- #关闭所有窗口
- cv2.destroyAllWindows()
以下是完整的人脸及眼睛检测代码:
- def face_eye():
- import numpy as np
- import cv2
- face_cascade = cv2.CascadeClassifier('haarcascade_frontalface_default.xml')
- eye_cascade = cv2.CascadeClassifier('haarcascade_eye.xml')
- cap = cv2.VideoCapture(0)
- fourcc = cv2.VideoWriter_fourcc(*'XVID')
- out = cv2.VideoWriter('output.avi',fourcc, 20.0, (640,480))
- while(True):
- ret, img = cap.read()
- gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
- faces = face_cascade.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)
- roi_gray = gray[y:y+h, x:x+w]
- roi_color = img[y:y+h, x:x+w]
- eyes = eye_cascade.detectMultiScale(roi_gray)
- for (ex,ey,ew,eh) in eyes:
- cv2.rectangle(roi_color,(ex,ey),(ex+ew,ey+eh),(0,255,0),2)
- cv2.imshow('img',img)
- if cv2.waitKey(30) & 0xFF == ord('q'):
- break
- cap.release()
- out.release()
- cv2.destroyAllWindows()
- face_eye()
本文作者:佚名
来源:51CTO
这篇关于使用Python + OpenCV来实现脸部和眼睛的检测的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!