使用 Python 进行面部和眼睛检测

关注

最新推荐文章于 2024-02-21 22:51:34 发布 · 750 阅读

原创 ·

本内容遵循 CC 4.0 BY-SA 版权协议

150基于python深度学习的睁眼闭眼检测 080python农业病虫害检测pyqt版本_含10多种模型包括alexnet、DenseNet、DLA、GoogleNet、Mobilenet、ResN。089基于深度学习的小样本数据检测_含10多种模型包括alexnet、DenseNet、DLA、GoogleNet、Mobilenet、ResN。083基于深度学习的手势识别小程序版本_含10多种模型包括alexnet、DenseNet、DLA、GoogleNet、Mobilenet、阅读详情

通过使用 OpenCV，你可以识别面部和眼睛等对象，并使用 Haar 级联算法实时跟踪它们。

Haar Cascade 是一种分类器，用于检测其训练对象。我们将使用 Face cascade和 Eyes cascade。你可以使用 Google 查找你可能想要检测的各种 Haar Cascades。

安装 OpenCV

pip install opencv-python

从照片中检测

我假设你已经从上面的链接下载了haarcascade_eye.xml和haarcascade_frontalface_default.xml，并将这些文件放在项目的数据目录中。

人脸检测

我们将在下图中检测人脸。

首先导入OpenCV库、Image和haarcascade_frontalface_default.xml。

import cv2

face_cascade = cv2.CascadeClassifier('.\Data\haarcascade_frontalface_default.xml')
nadia = cv2.imread('./Data/Nadia_Murad.jpg',0)

通过添加 0，图像在导入过程中变为黑白。

现在让我们创建一个函数来识别面部并在其周围绘制一个正方形。

def detect_face(img):
    face_img = img.copy()
    face_rect = face_cascade.detectMultiScale(face_img,scaleFactor=1.2,minNeighbors=5)

    for (x,y,w,h) in face_rect:
        cv2.rectangle(face_img,(x,y),(x+w,y+h),(255,255,255),10)
    return face_img

现在图像已传递给函数，将在脸部周围创建一个方框。此外，我们将构建一个显示图像，并在按下“Q”时结束的 while 循环。

result = detect_face(nadia)

while True:
    cv2.imshow('',result)
    code = cv2.waitKey(10)
    if code == ord('q'):
        break

运行该文件以查看结果。

眼睛检测

检测眼睛与检测面部非常相似。只需将你的haarcascade_frontalface_default.xml文件替换为haarcascade_eye.xml.

这是代码。

import cv2

eye_cascade = cv2.CascadeClassifier('.\Data\haarcascade_eye.xml')
nadia = cv2.imread('./Data/Nadia_Murad.jpg',0)

def detect_eyes(img):
    face_img = img.copy()
    eyes = eye_cascade.detectMultiScale(face_img,scaleFactor=1.2,minNeighbors=5) 
    
    for (x,y,w,h) in eyes: 
        cv2.rectangle(face_img, (x,y), (x+w,y+h), (255,255,255), 10) 
    return face_img

result = detect_eyes(nadia)

while True:
    cv2.imshow('',result)
    code = cv2.waitKey(10)
    if code == ord('q'):
        break

运行该文件以查看结果。

从相机检测

在这里，我们将使用 Haar Cascade 的分类器，让我们的相机不仅可以检测而且可以跟踪我们的面部和眼睛。

人脸检测

让我们首先从人脸检测开始。导入 OpenCV 库和haarcascade_frontalface_default.xml文件。我们将使用与上面相同的detect_face函数。

import cv2

face_cascade = cv2.CascadeClassifier('.\Data\haarcascade_frontalface_default.xml')

def detect_face(img):
    face_img = img.copy()
    face_rect = face_cascade.detectMultiScale(face_img,scaleFactor=1.2,minNeighbors=5)

    for (x,y,w,h) in face_rect:
        cv2.rectangle(face_img,(x,y),(x+w,y+h),(255,255,255),10)
    return face_img

我们将使用一个名为 VideoCapture() 的函数。此函数允许我们打开相机并捕获视频，并将其转换为帧。

现在创建一个 while 循环并将这些帧发送到我们的函数。该函数将返回那些面部周围有方框的帧。

cap = cv2.VideoCapture(0)

while True:
    ret,frame = cap.read()
    frame = detect_face(frame)
    cv2.imshow('Face Detection',frame)
    code = cv2.waitKey(10)
    if code == ord('q'):
        break

cap.release()
cv2.destroyAllWindows()

运行该文件以查看结果。

眼睛检测

与人脸检测类似，我们现在将使用haarcascade_eye.xml文件来检测眼睛。导入haarcascade_eye.xml文件并使用与人脸检测相同的代码。

import cv2

eye_cascade = cv2.CascadeClassifier('.\Data\haarcascade_eye.xml')

def detect_eye(img):
    eye_img = img.copy()
    eye_rect = eye_cascade.detectMultiScale(eye_img,scaleFactor=1.2,minNeighbors=5)

    for (x,y,w,h) in eye_rect:
        cv2.rectangle(eye_img,(x,y),(x+w,y+h),(255,255,255),10)
    return eye_img

cap = cv2.VideoCapture(0)

while True:
    ret,frame = cap.read()
    frame = detect_eye(frame)
    cv2.imshow('Eye Detection',frame)
    code = cv2.waitKey(10)
    if code == ord('q'):
        break

cap.release()
cv2.destroyAllWindows()

现在运行该文件以查看结果。