Python+OpenCV圖像處理之人臉檢測

利用OpenCV自帶的xml文件，可以實時檢測攝像頭中人臉

Haar特征、LBP特征都是常用的特征，描述不同的局部信息

Haar描述的是圖像在局部范圍內像素值明暗變換信息

LBP描述的是圖像在局部范圍內對應的紋理信息

HAAR與LBP區別： 
① HAAR特征是浮點數計算，LBP特征是整數計算； 
② LBP訓練需要的樣本數量比HAAR大； 
③ LBP的速度一般比HAAR快； 
④ 同樣的樣本HAAR訓練出來的檢測結果要比LBP准確； 
⑤ 擴大LBP的樣本數據可達到HAAR的訓練效果

靜態圖像中檢測人臉python實現

def face_detect_demo(image):
    gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
    face_detector = cv2.CascadeClassifier("data/haarcascade_frontalface_default.xml")  # 創建檢測人臉的對象
    faces = face_detector.detectMultiScale(gray, 1.02, 5)  # 進行人臉檢測
    """
       faces = face_detector.detectMultiScale(img, scaleFactor, minNeighbors)
       參數：img: 識別的原圖
             scaleFactor： 迭代時圖像的壓縮率
             minNeighbors: 每個人臉矩形保留近鄰數目的最小值
       返回值：一個列表，列表里邊每一項是一個框起人臉的矩形(x, y, w, h)
    """
    for x, y, w, h in faces:
        cv2.rectangle(image, (x, y), (x+w, y+h), (0, 0, 255), 2)
    cv2.imshow("face_detect_demo", image)

結果

視頻中檢測人臉python實現

def detect():
    # 創建人臉檢測的對象
    face_cascade = cv2.CascadeClassifier("../data/haarcascade_frontalface_default.xml")
    # 創建眼睛檢測的q對象
    eye_cascade = cv2.CascadeClassifier("../data/haarcascade_eye.xml")
    # 創建微笑檢測的q對象
    smile_cascade = cv2.CascadeClassifier("../data/haarcascade_smile.xml")
    # 連接攝像頭的對象 0表示攝像頭的編號
    camera = cv2.VideoCapture(0)

    while True:
        # 讀取當前幀
        ret, frame = camera.read()
        # 轉為灰度圖像
        gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
        # 檢測人臉 返回列表 每個元素都是(x, y, w, h)表示矩形的左上角和寬高
        faces = face_cascade.detectMultiScale(gray, 1.3, 5)
        # 畫出人臉的矩形
        for (x, y, w, h) in faces:
            # 畫矩形 在frame圖片上畫， 傳入左上角和右下角坐標 矩形顏色 和線條寬度
            img = cv2.rectangle(frame, (x, y), (x+w, y+h), (255, 0, 0), 2)
            # 把臉單獨拿出來
            roi_gray = gray[y: y+h, x: x+w]
            # 在臉上檢測眼睛   (40, 40)是設置最小尺寸，再小的部分會不檢測
            eyes = eye_cascade.detectMultiScale(roi_gray, 1.03, 5, 0, (40, 40))
            # 把眼睛畫出來
            for(ex, ey, ew, eh) in eyes:
                cv2.rectangle(img, (x+ex, y+ey), (x+ex+ew, y+ey+eh), (0, 255, 0), 2)

        cv2.imshow("camera", frame)
        if cv2.waitKey(5) & 0xff == ord("q"):
            break

    camera.release()
    cv2.destroyAllWindows()