Python-OpenCV人臉檢測(代碼)

Python-OpenCV人臉檢測(代碼)

感謝原作者，如有侵權立刻刪除

@author:wepon

原作者的@blog:http://blog.csdn.net/u012162613/article/details/43523507

做人臉識別，首先要檢測出圖片/視頻中的人臉，今天就研究了一下opencv的python接口，把常用的一些功能模塊寫成函數。基於Python-OpenCV以及PIL，實現圖片中人臉的檢測以及截取保存、眼睛檢測、笑臉檢測。下面簡單總結一下。

一、軟件安裝

安裝Python-OpenCV以及其依賴庫、PIL，通過軟件包管理器安裝即可（Ubuntu系統）：

[python]view
plain copy

sudo apt-get install libopencv-*  

sudo apt-get install python-opencv  

sudo apt-get install python-imaging  

安裝完後，在”/usr/share/opencv/haarcascades/”目錄下，可以看到很多的xml文件，如下圖。這些文件保存的就是訓練好之後的haar特徵，關於人臉檢測的haar分類器，推薦博文:《淺析人臉檢測之Haar分類器方法》、《目標檢測的圖像特徵提取之（三）Haar特徵》。本文不闡述原理，只介紹怎麼用這些xml文件來進行人臉檢測。

二、python-opencv實現人臉檢測

人臉檢測

定義人臉檢測函數detectFaces()，檢測圖片中所有出現的人臉，並返回人臉的矩形座標（矩形左上、右下頂點座標）。使用上面提到的xml文件（haar特徵），haarcascades目錄下有好幾個是關於人臉檢測的文件，這裏選擇haarcascade_frontalface_default.xml，當然也可以使用其他的。另外需要注意的是，必須以灰度圖作爲haar分類器的輸入。

def detectFaces(image_name):
    img = cv2.imread(image_name)
    face_cascade = cv2.CascadeClassifier("/usr/share/opencv/haarcascades/haarcascade_frontalface_default.xml")
    if img.ndim == 3:
        gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    else:
        gray = img #if語句：如果img維度爲3，說明不是灰度圖，先轉化爲灰度圖gray，如果不爲3，也就是2，原圖就是灰度圖

    faces = face_cascade.detectMultiScale(gray, 1.2, 5)#1.3和5是特徵的最小、最大檢測窗口，它改變檢測結果也會改變
    result = []
    for (x,y,width,height) in faces:
        result.append((x,y,x+width,y+height))
    return result

代碼很好理解，先加載xml文件生成級聯分類器face_cascade，然後用這個級聯分類器對灰度圖進行檢測face_cascade.detectMultiScale(gray, 1.2, 5)，返回值即圖片中所有人臉的座標(x,y,w,h)，在上面的函數中，我們轉化了一下，使得函數返回的是人臉矩形的左上、右下頂點座標。（注：座標零點即原始圖像左上頂點，往下y增加，往右x增加）。

截取保存人臉圖

上面的detectFaces函數我們獲得了圖片中所有人臉的座標，在有些時候，我們希望把人臉截取出來，然後進行下一步操作（比如做人臉身份識別、表情識別等），保存人臉圖的函數如下，使用了PIL的Image模塊：

def saveFaces(image_name):
    faces = detectFaces(image_name)
    if faces:
        #將人臉保存在save_dir目錄下。
        #Image模塊：Image.open獲取圖像句柄，crop剪切圖像(剪切的區域就是detectFaces返回的座標)，save保存。
        save_dir = image_name.split('.')[0]+"_faces"
        os.mkdir(save_dir)
        count = 0
        for (x1,y1,x2,y2) in faces:
            file_name = os.path.join(save_dir,str(count)+".jpg")
            Image.open(image_name).crop((x1,y1,x2,y2)).save(file_name)
            count+=1

框出人臉

有些時候，爲了展示或者方便觀察，需要在原始圖像上框出人臉，用矩形將人臉框出，這個功能的實現如下，主要用到PIL的ImageDraw模塊（另外，opencv也有畫矩形工具，也可以實現）：

#在原圖像上畫矩形，框出所有人臉。
#調用Image模塊的draw方法，Image.open獲取圖像句柄，ImageDraw.Draw獲取該圖像的draw實例，然後調用該draw實例的rectangle方法畫矩形(矩形的座標即
#detectFaces返回的座標)，outline是矩形線條顏色(B,G,R)。
#注：原始圖像如果是灰度圖，則去掉outline，因爲灰度圖沒有RGB可言。drawEyes、detectSmiles也一樣。
def drawFaces(image_name):
    faces = detectFaces(image_name)
    if faces:
        img = Image.open(image_name)
        draw_instance = ImageDraw.Draw(img)
        for (x1,y1,x2,y2) in faces:
            draw_instance.rectangle((x1,y1,x2,y2), outline=(255, 0,0))
        img.save('drawfaces_'+image_name)

好了，先看一下效果，運行drawFaces(‘obama.jpg’)，得到右圖：

運行saveFaces(‘obama.jpg’)，將在當前目錄下生成一個文件夾，並保存上面框出來的人臉，當然，有一些人臉沒被檢測出來，有些不是人臉被誤認爲人臉。

眼睛檢測

在haarcascades目錄下，也有一些關於眼睛檢測的xml文件。可以像函數detectFaces()那樣，將檢測face的xml文件換成檢測eyes的xml文件即可。但是，由於眼睛在人臉上，我們往往是先檢測出人臉，再細入地檢測眼睛。故detectEyes可在detectFaces基礎上來進行，代碼中需要注意“相對座標”。detectEyes()函數同樣返回所有eyes在原圖中的座標。

def detectEyes(image_name):
    eye_cascade = cv2.CascadeClassifier('/usr/share/opencv/haarcascades/haarcascade_eye.xml')
    faces = detectFaces(image_name)

    img = cv2.imread(image_name)
    gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    result = []
    for (x1,y1,x2,y2) in faces:
        roi_gray = gray[y1:y2, x1:x2]
        eyes = eye_cascade.detectMultiScale(roi_gray,1.3,2)
        for (ex,ey,ew,eh) in eyes:
            result.append((x1+ex,y1+ey,x1+ex+ew,y1+ey+eh))
    return result

框出眼睛

def drawEyes(image_name):
    eyes = detectEyes(image_name)
    if eyes:
        img = Image.open(image_name)
        draw_instance = ImageDraw.Draw(img)
        for (x1,y1,x2,y2) in eyes:
            draw_instance.rectangle((x1,y1,x2,y2), outline=(0, 0,255))
        img.save('draweyes_'+image_name)

運行drawEyes(‘obama.jpg’)，看下效果，非常差：

笑臉檢測

def detectSmiles(image_name):
    img = cv2.imread(image_name)
    smiles_cascade = cv2.CascadeClassifier("/usr/share/opencv/haarcascades/haarcascade_smile.xml")
    if img.ndim == 3:
        gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    else:
        gray = img #if語句：如果img維度爲3，說明不是灰度圖，先轉化爲灰度圖gray，如果不爲3，也就是2，原圖就是灰度圖

    smiles = smiles_cascade.detectMultiScale(gray,4,5)
    result = []
    for (x,y,width,height) in smiles:
        result.append((x,y,x+width,y+height))
    return result

框出笑臉

def drawSmiles(image_name):
    smiles = detectSmiles(image_name)
    if smiles:
        img = Image.open(image_name)
        draw_instance = ImageDraw.Draw(img)
        for (x1,y1,x2,y2) in smiles:
            draw_instance.rectangle((x1,y1,x2,y2), outline=(100, 100,0))
        img.save('drawsmiles_'+image_name)

運行drawSmiles(‘obama.jpg’)，看下效果，奧巴馬的眼睛會笑了：

總之，利用opencv裏訓練好的haar特徵的xml文件，在圖片上檢測出人臉（眼睛、鼻子、笑臉…）的座標，利用這個座標，我們可以將人臉區域剪切保存，也可以在原圖上將人臉框出。剪切保存人臉以及用矩形工具框出人臉，本程序使用的是PIL裏的Image、ImageDraw模塊。此外也可以用opencv裏的畫圖工具畫矩形。

代碼文件放在我的github上：wepe/OpenCV-demo/FaceDetection_python-opencv

參考：

1、OpenCV-Python Tutorials » Object Detection » Face Detection using Haar Cascades

2、 Python Imaging Library Handbook