1 # 通过图片识别人脸
2
3 #1.概述： 人脸识别，是基于人的脸部特征信息进行身份识别的一种生物识别技术。用摄像机或摄像头采集含有人脸的图像或视频流，并自动在图像中检测和跟踪人脸，进而对检测到的人脸进行脸部的一系列相关技术，通常也叫做人像识别、面部识别。
4
5 # 2、人脸识别步骤
6 # 1 人脸图像采集及检测
7 # 2 人脸图像预处理
8 # 3 人脸图像特征提取以及匹配与识别
9
10 # 3、 人脸识别的方法
11 # 在OpenCV中主要使用了两种特征（即两种方法）进行人脸检测，Haar特征和LBP特征。使用已经训练好的XML格式的分类器进行人脸检测。在OpenCV的安装目录下的data文件夹里可以看到下图所示的内容（D:\PROFESSION_\PYTHON_\Lib\site-packages\cv2\data）：
12
13 import os
14 import cv2
15 from PIL import Image, ImageDraw
16 from datetime import datetime
17 import time
18
19
20 # detectFaces()返回图像中所有人脸的矩形坐标（矩形左上、右下顶点）
21 # 使用haar特征的级联分类器haarcascade_frontalface_default.xml，在haarcascades目录下还有其他的训练好的xml文件可供选择。
22 # 注：haarcascades目录下训练好的分类器必须以灰度图作为输入。
23 def detectFaces(image_name):
24 img = cv2.imread(image_name)
25 face_cascade = cv2.CascadeClassifier("D:\PROFESSION_\PYTHON_\Lib\site-packages\cv2\data/haarcascade_frontalface_default.xml")
26 if img.ndim == 3:
27 gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
28 print(‘转换灰度图成功‘,‘gray.ndim‘,gray.ndim)
29 else:
30 gray = img # if语句：如果img维度为3，说明不是灰度图，先转化为灰度图gray，如果不为3，也就是2，原图就是灰度图
31 print(‘我本来就是灰度图‘)
32 faces = face_cascade.detectMultiScale(gray, 1.3, 5) # 1.3和5是特征的最小、最大检测窗口，它改变检测结果也会改变
33 result = []
34 for (x, y, width, height) in faces:
35 result.append((x, y, x + width, y + height))
36 # print(result) [(148, 33, 210, 95), (51, 46, 110, 105), (306, 49, 369, 112)]
37 return result
38
39
40 # 保存人脸图
41 def saveFaces(image_name):
42 faces = detectFaces(image_name)
43 print(‘faces‘,faces)
44 if faces:
45 # 将人脸保存在save_dir目录下。
46 # Image模块：Image.open获取图像句柄，crop剪切图像(剪切的区域就是detectFaces返回的坐标)，save保存。
47 save_dir = image_name.split(‘.‘)[0] + "_faces"
48 print(‘save_dir‘,save_dir)
49 os.mkdir(save_dir)
50 count = 0
51 for (x1, y1, x2, y2) in faces:
52 file_name = os.path.join(save_dir, str(count) + ".jpg")
53 Image.open(image_name).crop((x1, y1, x2, y2)).save(file_name)
54 count += 1
55
56
57 # 在原图像上画矩形，框出所有人脸。
58 # 调用Image模块的draw方法，Image.open获取图像句柄，ImageDraw.Draw获取该图像的draw实例，然后调用该draw实例的rectangle方法画矩形(矩形的坐标即 detectFaces返回的坐标)，outline是矩形线条颜色(B,G,R)。
59 # 注：原始图像如果是灰度图，则去掉outline，因为灰度图没有RGB可言。drawEyes、detectSmiles也一样。
60
61 def drawFaces(image_name):
62 faces = detectFaces(image_name)
63 if faces:
64 img = Image.open(image_name)
65 draw_instance = ImageDraw.Draw(img)
66 for (x1, y1, x2, y2) in faces:
67 draw_instance.rectangle((x1, y1, x2, y2), outline=(255, 0, 0))
68 img.save(‘drawfaces_‘ + image_name)
69
70
71 # 检测眼睛，返回坐标
72 # 由于眼睛在人脸上，我们往往是先检测出人脸，再细入地检测眼睛。故detectEyes可在detectFaces基础上来进行，代码中需要注意“相对坐标”。# 当然也可以在整张图片上直接使用分类器,这种方法代码跟detectFaces一样，这里不多说。
73 def detectEyes(image_name):
74 eye_cascade = cv2.CascadeClassifier(‘D:\PROFESSION_\PYTHON_\Lib\site-packages\cv2\data/haarcascade_eye.xml‘)
75 faces = detectFaces(image_name)
76
77 img = cv2.imread(image_name)
78 gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
79 result = []
80 for (x1, y1, x2, y2) in faces:
81 roi_gray = gray[y1:y2, x1:x2]
82 eyes = eye_cascade.detectMultiScale(roi_gray, 1.3, 2)
83 for (ex, ey, ew, eh) in eyes:
84 result.append((x1 + ex, y1 + ey, x1 + ex + ew, y1 + ey + eh))
85 return result
86
87
88 # 在原图像上框出眼睛.
89 def drawEyes(image_name):
90 eyes = detectEyes(image_name)
91 if eyes:
92 img = Image.open(image_name)
93 draw_instance = ImageDraw.Draw(img)
94 for (x1, y1, x2, y2) in eyes:
95 draw_instance.rectangle((x1, y1, x2, y2), outline=(0, 0, 255))
96 img.save(‘draweyes_‘ + image_name)
97
98
99 # 检测笑脸
100 def detectSmiles(image_name):
101 img = cv2.imread(image_name)
102 smiles_cascade = cv2.CascadeClassifier("D:\PROFESSION_\PYTHON_\Lib\site-packages\cv2\data/haarcascade_smile.xml")
103 if img.ndim == 3:
104 gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
105 else:
106 gray = img # if语句：如果img维度为3，说明不是灰度图，先转化为灰度图gray，如果不为3，也就是2，原图就是灰度图
107
108 smiles = smiles_cascade.detectMultiScale(gray, 4, 5)
109 result = []
110 for (x, y, width, height) in smiles:
111 result.append((x, y, x + width, y + height))
112 return result
113
114
115 # 在原图像上框出笑脸
116 def drawSmiles(image_name):
117 smiles = detectSmiles(image_name)
118 if smiles:
119 img = Image.open(image_name)
120 draw_instance = ImageDraw.Draw(img)
121 for (x1, y1, x2, y2) in smiles:
122 draw_instance.rectangle((x1, y1, x2, y2), outline=(100, 100, 0))
123 img.save(‘drawsmiles_‘ + image_name)
124
125
126
127
128
129
130
131 if __name__ == ‘__main__‘:
132 time1 = datetime.now()
133 result = detectFaces(‘d.jpg‘)
134 time2 = datetime.now()
135 print("耗时：" + str(time2 - time1))
136 if len(result) > 0:
137 print("有人存在！！---》人数为：" + str(len(result)))
138 else:
139 print(‘视频图像中无人！！‘)
140
141 # drawFaces(‘d.jpg‘)#框出脸
142 # drawSmiles(‘d.jpg‘)#框出笑脸
143 # drawEyes(‘d.jpg‘) #框出眼睛
144
145
146 """
147 上面的代码将眼睛、人脸、笑脸在不同的图像上框出，如果需要在同一张图像上框出，改一下代码就可以了。
148 总之，利用opencv里训练好的haar特征的xml文件，在图片上检测出人脸的坐标，利用这个坐标，我们可以将人脸区域剪切保存，也可以在原图上将人脸框出。剪切保存人脸以及用矩形工具框出人脸，本程序使用的是PIL里的Image、ImageDraw模块。
149 此外，opencv里面也有画矩形的模块，同样可以用来框出人脸。
150 """
151 # ---------------------
152 # 作者：wsywb111
153 # 来源：CSDN
154 # 原文：https://blog.csdn.net/wsywb111/article/details/79152425
155 # 版权声明：本文为博主原创文章，转载请附上博文链接！
原文地址：https://www.cnblogs.com/zpdbkshangshanluoshuo/p/10423816.html
时间： 2024-11-02 17:04:50