圖像人臉檢測(框出人臉、笑臉、眼睛)

# 通過圖片識別人臉

#1.概述： 人臉識別，是基於人的臉部特征信息進行身份識別的一種生物識別技術。用攝像機或攝像頭采集含有人臉的圖像或視頻流，並自動在圖像中檢測和跟蹤人臉，進而對檢測到的人臉進行臉部的一系列相關技術，通常也叫做人像識別、面部識別。

# 2、人臉識別步驟
# 1    人臉圖像采集及檢測
# 2    人臉圖像預處理
# 3    人臉圖像特征提取以及匹配與識別

# 3、 人臉識別的方法
# 在OpenCV中主要使用了兩種特征（即兩種方法）進行人臉檢測，Haar特征和LBP特征。使用已經訓練好的XML格式的分類器進行人臉檢測。在OpenCV的安裝目錄下的data文件夾里可以看到下圖所示的內容（D:\PROFESSION_\PYTHON_\Lib\site-packages\cv2\data）：

import os
import cv2
from PIL import Image, ImageDraw
from datetime import datetime
import time


# detectFaces()返回圖像中所有人臉的矩形坐標（矩形左上、右下頂點）
# 使用haar特征的級聯分類器haarcascade_frontalface_default.xml，在haarcascades目錄下還有其他的訓練好的xml文件可供選擇。
# 注：haarcascades目錄下訓練好的分類器必須以灰度圖作為輸入。
def detectFaces(image_name):
    img = cv2.imread(image_name)
    face_cascade = cv2.CascadeClassifier("D:\PROFESSION_\PYTHON_\Lib\site-packages\cv2\data/haarcascade_frontalface_default.xml")
    if img.ndim == 3:
        gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
        print('轉換灰度圖成功','gray.ndim',gray.ndim)
    else:
        gray = img  # if語句：如果img維度為3，說明不是灰度圖，先轉化為灰度圖gray，如果不為3，也就是2，原圖就是灰度圖
        print('我本來就是灰度圖')
    faces = face_cascade.detectMultiScale(gray, 1.3, 5)  # 1.3和5是特征的最小、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))
    # print(result)   [(148, 33, 210, 95), (51, 46, 110, 105), (306, 49, 369, 112)]
    return result


# 保存人臉圖
def saveFaces(image_name):
    faces = detectFaces(image_name)
    print('faces',faces)
    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返回的坐標)，save保存。
        save_dir = image_name.split('.')[0] + "_faces"
        print('save_dir',save_dir)
        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


# 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，然后調用該draw實例的rectangle方法畫矩形(矩形的坐標即 detectFaces返回的坐標)，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，因為灰度圖沒有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)


# 檢測眼睛，返回坐標
# 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“相對坐標”。# 當然也可以在整張圖片上直接使用分類器,這種方法代碼跟detectFaces一樣，這里不多說。
def detectEyes(image_name):
    eye_cascade = cv2.CascadeClassifier('D:\PROFESSION_\PYTHON_\Lib\site-packages\cv2\data/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


# 在原圖像上框出眼睛.
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)


# 檢測笑臉
def detectSmiles(image_name):
    img = cv2.imread(image_name)
    smiles_cascade = cv2.CascadeClassifier("D:\PROFESSION_\PYTHON_\Lib\site-packages\cv2\data/haarcascade_smile.xml")
    if img.ndim == 3:
        gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    else:
        gray = img  # if語句：如果img維度為3，說明不是灰度圖，先轉化為灰度圖gray，如果不為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


# 在原圖像上框出笑臉
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)







if __name__ == '__main__':
    time1 = datetime.now()
    result = detectFaces('d.jpg')
    time2 = datetime.now()
    print("耗時：" + str(time2 - time1))
    if len(result) > 0:
        print("有人存在！！---》人數為：" + str(len(result)))
    else:
        print('視頻圖像中無人！！')

    # drawFaces('d.jpg')#框出臉
    # drawSmiles('d.jpg')#框出笑臉
    # drawEyes('d.jpg') #框出眼睛


"""
上面的代碼將眼睛、人臉、笑臉在不同的圖像上框出，如果需要在同一張圖像上框出，改一下代碼就可以了。
總之，利用opencv里訓練好的haar特征的xml文件，在圖片上檢測出人臉的坐標，利用這個坐標，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里的Image、ImageDraw模塊。
此外，opencv里面也有畫矩形的模塊，同樣可以用來框出人臉。
"""
# ---------------------
# 作者：wsywb111
# 來源：CSDN
# 原文：https://blog.csdn.net/wsywb111/article/details/79152425
# 版權聲明：本文為博主原創文章，轉載請附上博文鏈接！