使用Python + OpenCV来实现脸部和眼睛的检测

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。

1. #导入所需库文件 
2.  
3. import numpy as np 
4.  
5. 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。

1. #加载面部识别文件(请按文件实际存储路径进行调整) 
2.  
3. #https://github.com/Itseez/opencv/blob/master/data/haarcascades/haarcascade_frontalface_default.xml 
4.  
5. face_cascade = cv2.CascadeClassifier('haarcascade_frontalface_default.xml') 
6.  
7. #加载眼部识别文件(请按文件实际存储路径进行调整) 
8.  
9. #https://github.com/Itseez/opencv/blob/master/data/haarcascades/haarcascade_eye.xml 
10.  
11. 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。

1. #打开摄像头获取视频 
2. 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)

1. #编译并输出保存视频 
2. fourcc = cv2.VideoWriter_fourcc(*'XVID') 
3. 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。

1. #无限循环 
2. while(True): 
3.     #获取视频及返回状态 
4.     ret, img = cap.read() 
5.     #将获取的视频转化为灰色 
6.     gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) 
7.     #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） 
8.     faces = face_cascade.detectMultiScale(gray, 1.3, 5) 
9.   
10.     #脸部检测 
11.     for (x,y,w,h) in faces: 
12.         cv2.rectangle(img,(x,y),(x+w,y+h),(255,0,0),2) 
13.         roi_gray = gray[y:y+h, x:x+w] 
14.         roi_color = img[y:y+h, x:x+w] 
15.         #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） 
16.         eyes = eye_cascade.detectMultiScale(roi_gray) 
17.         #眼睛检测 
18.         for (ex,ey,ew,eh) in eyes: 
19.             cv2.rectangle(roi_color,(ex,ey),(ex+ew,ey+eh),(0,255,0),2) 
20.   
21.     #显示原图像 
22.     cv2.imshow('img',img) 
23.     #按q键退出while循环 
24.     if cv2.waitKey(30) & 0xFF == ord('q'): 
25.         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。

1. #释放摄像头 
2. cap.release() 
3. #关闭视频输出 
4. out.release() 
5. #关闭所有窗口 
6. cv2.destroyAllWindows() 

以下是完整的人脸及眼睛检测代码：

1. def face_eye(): 
2.     import numpy as np 
3.     import cv2 
4.   
5.     face_cascade = cv2.CascadeClassifier('haarcascade_frontalface_default.xml') 
6.     eye_cascade = cv2.CascadeClassifier('haarcascade_eye.xml') 
7.   
8.     cap = cv2.VideoCapture(0) 
9.     fourcc = cv2.VideoWriter_fourcc(*'XVID') 
10.     out = cv2.VideoWriter('output.avi',fourcc, 20.0, (640,480)) 
11.   
12.     while(True): 
13.         ret, img = cap.read() 
14.         gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) 
15.         faces = face_cascade.detectMultiScale(gray, 1.3, 5) 
16.   
17.         for (x,y,w,h) in faces: 
18.             cv2.rectangle(img,(x,y),(x+w,y+h),(255,0,0),2) 
19.             roi_gray = gray[y:y+h, x:x+w] 
20.             roi_color = img[y:y+h, x:x+w] 
21.             eyes = eye_cascade.detectMultiScale(roi_gray) 
22.             for (ex,ey,ew,eh) in eyes: 
23.                 cv2.rectangle(roi_color,(ex,ey),(ex+ew,ey+eh),(0,255,0),2) 
24.   
25.         cv2.imshow('img',img) 
26.         if cv2.waitKey(30) & 0xFF == ord('q'): 
27.             break 
28.     cap.release() 
29.     out.release() 
30.     cv2.destroyAllWindows() 
31.   
32. face_eye()  

本文作者：佚名

来源：51CTO