光环大数据 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。

Source code

#导入所需库文件
import numpy as npimport 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。

Source code

#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。

Source code

#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)

Source code

#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。

Source code

#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。

Source code

#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：

Source code

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()

　　大数据培训哪家好、大数据培训靠谱吗、大数据培训排行榜、大数据培训费用、大数据培训多少钱等相关问题，欢迎咨询光环大数据官网在线客服：hadoop.aura.cn

大数据培训、人工智能培训、Python培训、大数据培训机构、大数据培训班、数据分析培训、大数据可视化培训，就选光环大数据！光环大数据，聘请专业的大数据领域知名讲师，确保教学的整体质量与教学水准。讲师团及时掌握时代潮流技术，将前沿技能融入教学中，确保学生所学知识顺应时代所需。通过深入浅出、通俗易懂的教学方式，指导学生更快的掌握技能知识，成就上万个高薪就业学子。 更多问题咨询，欢迎点击------>>>>在线客服！