OpenCV-人脸识别

• 人脸识别
• • detectMultiScale
  • 示例
  • 示例

使用Haar分类器进行面部检测

• Haar特征分类器对象检测技术
  它是基于机器学习的，通过使用大量的正负样本图像训练得到一个cascade_function，最后再用它来做对象检测

  如果你想实现自己的面部检测分类器，需要大量的正样本图像（面部图像）和负样本图像（不含面部的图像）来训练分类器。可参考https://docs.opencv.org/2.4/doc/user_guide/ug_traincascade.html，这里不做介绍，现在我们利用OpenCV已经训练好的分类器，直接利用它来实现面部和眼部检测。

• 主要步骤：

  1. 加载xml分类器，并将图像或者视频处理成灰度格式 cv.CascadeClassifier()
  2. 对灰度图像进行面部检测，返回若干个包含面部的矩形区域 Rect（x,y,w,h）face_detector.detectMultiScale()
  3. 创建一个包含面部的ROI，并在其中进行眼部检测

• 重要方法分析：def detectMultiScale(self, image, scaleFactor=None, minNeighbors=None, minSize=None, maxSize=None)
  原理：检测输入图像在不同尺寸下可能含有的目标对象
  #minSize – Minimum possible object size. Objects smaller than that are ignored.
  #maxSize – Maximum possible object size. Objects larger than that are ignored.
  入参：
  1）image：输入的图像
  2）scaleFactor：比例因子，图像尺寸每次减少的比例，要大于1，这个需要自己手动调参以便获得想要的结果
  3）minNeighbors：最小附近像素值，在每个候选框边缘最小应该保留多少个附近像素
  4）minSize，maxSize：最小可能对象尺寸，所检测的结果小于该值会被忽略。最大可能对象尺寸，所检测的结果大于该值会被忽略
  返回：若干个包含对象的矩形区域

def face_detection(image):
    """人脸识别和人眼识别"""
    gray = cv.cvtColor(image, cv.COLOR_BGR2GRAY)  # 在灰度图上进行识别
    # 人脸xml分类器
    face_detector = cv.CascadeClassifier(r"C:Users22164AppDataLocalProgramsPythonPython39Libsite-packages"
                                         r"cv2datahaarcascade_frontalface_alt_tree.xml")
    # 人眼xml分类器
    eyes_detector = cv.CascadeClassifier(r"C:Users22164AppDataLocalProgramsPythonPython39Libsite-packages"
                                         r"cv2datahaarcascade_eye.xml")
    faces = face_detector.detectMultiScale(gray, 1.01, 5)  # 检测目标对象（人脸）
    for x, y, w, h in faces:
        img = cv.rectangle(image, (x, y), (x + w, y + h), (0, 0, 255), 2)  # 红色矩形框框出人脸
        roi_gray = gray[y:y + h, x:x + w]
        roi_color = img[y:y + h, x:x + w]
        
        # 在人脸识别基础上进行人眼识别
        eyes = eyes_detector.detectMultiScale(roi_gray, 1.3, 5)  # 检测目标对象（人眼）
        for ex, ey, ew, eh in eyes:
            cv.rectangle(roi_color, (ex, ey), (ex + ew, ey + ey), (0, 255, 0), 2)  # 绿色矩形框框出人眼

    cv.imshow("result", image)

def video_detection():
    """打开摄像头进行人脸和人眼检测"""
    capture = cv.VideoCapture(0)
    cv.namedWindow("result", cv.WINDOW_AUTOSIZE)
    while True:
        ret, frame = capture.read()
        frame = cv.flip(frame, 1)
        face_detection(frame)
        c = cv.waitKey(10)
        if c == 27:
            break