[[198752]]

本篇文章使用Python和OpenCV中的Haar特征分類器對人臉及眼睛進行檢測和追蹤。在開始之前，有幾件準(zhǔn)備工作要完成。

• 第一，你需要有一個攝像頭，如果沒有的話也可以使用視頻文件來替代。
• 第二，需要在python中安裝OpenCV庫。具體的方法是在這里下載相應(yīng)的wheel(.whl)文件，并使用pip進行安裝。
• 第三，下載OpenCV中的Haar特征分類器，你可以從Opencv官網(wǎng)下載源程序解壓后獲得Haar特征分類器，也可以直接下載所需的xml文件。

在完成準(zhǔn)備工作后，我們開始進行人臉及眼睛的檢測和追蹤工作。首先導(dǎo)入所需使用的庫文件。這里我們只需要使用numpy和cv2兩個庫。

#導(dǎo)入所需庫文件 
 
import numpy as np 
 
import cv2  

加載Haar特征分類器中的面部識別和眼睛識別兩個xml文件。如何你還需要識別更多的元素也在這里一并加載。

#加載面部識別文件(請按文件實際存儲路徑進行調(diào)整) 
 
#https://github.com/Itseez/opencv/blob/master/data/haarcascades/haarcascade_frontalface_default.xml 
 
face_cascade = cv2.CascadeClassifier('haarcascade_frontalface_default.xml') 
 
#加載眼部識別文件(請按文件實際存儲路徑進行調(diào)整) 
 
#https://github.com/Itseez/opencv/blob/master/data/haarcascades/haarcascade_eye.xml 
 
eye_cascade = cv2.CascadeClassifier('haarcascade_eye.xml')  

打開你的攝像頭來獲取視頻，到這一步攝像頭開始工作，但還沒有任何影像輸出。如果沒有攝像頭可以使用電腦里的視頻文件進行替代。

#打開攝像頭獲取視頻 
cap = cv2.VideoCapture(0)  

我們同時將對攝像頭獲取的圖像進行保存，這里對視頻文件進行處理并設(shè)置保存路徑及視頻尺寸。(這一步不是必須的操作)

#編譯并輸出保存視頻 
fourcc = cv2.VideoWriter_fourcc(*'XVID') 
out = cv2.VideoWriter('output.avi',fourcc, 20.0, (640,480))  

開始獲取并處理視頻內(nèi)容。下面是一個無限的循環(huán)結(jié)構(gòu)，通過按鍵q可以結(jié)束循環(huán)。在這個循環(huán)中ret獲取攝像頭是否有返回的布爾值，img獲取攝像頭拍攝的視頻內(nèi)容。我們首先將攝像頭獲取的彩色圖像轉(zhuǎn)化為灰度圖像。后續(xù)的操作將主要在灰度圖像上完成，然后再使用灰度圖像中的坐標(biāo)對原始的彩色圖像進行標(biāo)記和輸出。圖像轉(zhuǎn)化為灰度后首先進行人臉檢測，然后在人臉檢測的基礎(chǔ)上再進行眼睛檢測，這樣做的原因有兩點，1，避免面部以外的物體被錯誤的識別為眼睛，2，眼睛識別算法需要一些眼睛周圍的面部特征來進行檢測，從而提高準(zhǔn)確率。

隨后使用矩形繪制出人臉的位置和眼睛的位置，在設(shè)置繪制顏色時需要注意，OpenCV中的顏色值并不是RGB，而是BRG。檢測和繪制完成后對圖像進行輸出。這時可以在視頻窗口中看到被標(biāo)記的面部和眼睛。由于我們使用的Haar特征分類器是正面面部識別，因此需要正對攝像頭。如果面部發(fā)生偏轉(zhuǎn)則無法識別。

#無限循環(huán) 
while(True): 
    #獲取視頻及返回狀態(tài) 
    ret, img = cap.read() 
    #將獲取的視頻轉(zhuǎn)化為灰色 
    gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) 
    #檢測視頻中的人臉，并用vector保存人臉的坐標(biāo)、大?。ㄓ镁匦伪硎荆?nbsp;
    faces = face_cascade.detectMultiScale(gray, 1.3, 5) 
  
    #臉部檢測 
    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] 
        #檢測視頻中臉部的眼睛，并用vector保存眼睛的坐標(biāo)、大小（用矩形表示） 
        eyes = eye_cascade.detectMultiScale(roi_gray) 
        #眼睛檢測 
        for (ex,ey,ew,eh) in eyes: 
            cv2.rectangle(roi_color,(ex,ey),(ex+ew,ey+eh),(0,255,0),2) 
  
    #顯示原圖像 
    cv2.imshow('img',img) 
    #按q鍵退出while循環(huán) 
    if cv2.waitKey(30) & 0xFF == ord('q'): 
        break  

退出while循環(huán)后釋放攝像頭，完成視頻輸出并關(guān)閉所有窗口。

#釋放攝像頭 
cap.release() 
#關(guān)閉視頻輸出 
out.release() 
#關(guān)閉所有窗口 
cv2.destroyAllWindows() 

以下是完整的人臉及眼睛檢測代碼：

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()  

Read more: http://bluewhale.cc/2017-07-28/use-python-and-opencv-to-detect-faces-and-eyes.html#ixzz4o6BB3n4N