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，首先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。

http://www.lfd.uci.edu/~gohlke/pythonlibs/#opencv

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。

OpenCV官网下载地址

http://opencv.org/opencv-3-2.html

Haar特征分类器保存路径

\opencv\sources\data\haarcascades

下载Haar特征分类器的地址

https://github.com/Itseez/opencv/tree/master/data/haarcascades

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。

#导入所需库文件

import numpy as np

import 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。

#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。

#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)

#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。

#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。

#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：

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()