一、数据和知识准备
1. 下载HAAR与LBP数据
人脸检测的常见步骤如下，如果想要将人脸准确地检测出来，需要通过建立人脸模型，获取准确区分人脸的分类器，这里我们使用网上公开的扩展包或已经训练好的分类器。
将 haarcascades 与 lbpcascades 里面的相关 xml 文件下载到本地，便于之后调用，辅助进行人脸检测。
下载地址：https://github.com/opencv/opencv/tree/master/data
2. opencv相关知识
- cv.CascadeClassifier()：是 OpenCV 中人脸检测的一个级联分类器，既可以使用 Haar 特征，也可以使用 LBP 特征。以 Haar 特征分类器为基础的对象检测技术是一种非常有效的技术，它是基于机器学习且使用大量的正负样本训练得到分类器。
- detectMultiScale函数：检测人脸算法，其参数如下：
image：要检测的输入图像
scaleFactor：表示每次图像尺寸减小的比例
minNeighbors：表示每一个目标至少要被检测到多少次才算是真的人脸，因为周 围的像素和不同的窗口大小都可能检测成人脸
minSize：表示目标的最小尺寸
maxSize：表示目标的最小尺寸
- Haar-like矩形特征：是用于物体检测的数字图像特征。这类矩形特征模板由两个或多个全等的黑白矩形相邻组合而成，而矩形特征值是白色矩形的灰度值的和减去黑色矩形的灰度值的和，矩形特征对一些简单的图形结构，如线段、边缘比较敏感。如果把这样的矩形放在一个非人脸区域，那么计算出的特征值应该和人脸特征值不一样，所以这些矩形就是为了把人脸特征量化，以区分人脸和非人脸。
- LBP：是一种特征提取方式，能提取出图像的局部的纹理特征，最开始的 LBP 算子是在 3X3 窗口中，取中心像素的像素值为阀值，与其周围八个像素点的像素值比较，若像素点的像素值大于阀值，则此像素点被标记为1，否则标记为0。这样就能得到一个八位二进制的码，转换为十进制即 LBP 码，于是得到了这个窗口的 LBP 值，用这个值来反映这个窗口内的纹理信息。LBPH是在原始 LBP 上的一个改进，在 opencv 支持下可以直接调用函数直接创建一个 LBPH 人脸识别的模型。
比如：cv2.face.LBPHFaceRecognizer_create()。
二、python+opencv实现人脸检测
1. 图像单人脸检测
importcv2ascvdefface_detection(image): # 创建一个级联分类器 加载一个.xml分类器文件 它既可以是Haar特征也可以是LBP特征的分类器face_detecter=cv.CascadeClassifier(r'./face_detection/haarcascades/haarcascade_frontalface_default.xml') # 多个尺度空间进行人脸检测 返回检测到的人脸区域坐标信息faces=face_detecter.detectMultiScale(image=image, scaleFactor=1.1, minNeighbors=5) print('检测人脸信息如下：\n', faces) forx, y, w, hinfaces: # 在原图像上绘制矩形标识cv.rectangle(img=image, pt1=(x, y), pt2=(x+w, y+h), color=(0, 0, 255), thickness=2) cv.imshow('result', image) src=cv.imread(r'./test/036.jpg') cv.imshow('input image', src) face_detection(src) cv.waitKey(0) cv.destroyAllWindows()
运行效果如下：
检测人脸信息如下： [[ 6153110110]] Processfinishedwithexitcode0
2. 图像多人脸检测
importcv2ascvdefface_detection(image): # 转成灰度图像gray=cv.cvtColor(image, cv.COLOR_BGR2GRAY) # 创建一个级联分类器 加载一个.xml分类器文件 它既可以是Haar特征也可以是LBP特征的分类器face_detecter=cv.CascadeClassifier(r'./face_detection/haarcascades/haarcascade_frontalface_default.xml') # 多个尺度空间进行人脸检测 返回检测到的人脸区域坐标信息faces=face_detecter.detectMultiScale(image=gray, scaleFactor=1.1, minNeighbors=5) print('检测人脸信息如下：\n', faces) forx, y, w, hinfaces: # 在原图像上绘制矩形标识cv.rectangle(img=image, pt1=(x, y), pt2=(x+w, y+h), color=(0, 0, 255), thickness=2) cv.imshow('result', image) src=cv.imread(r'./test/044.jpg') cv.imshow('input image', src) face_detection(src) cv.waitKey(0) cv.destroyAllWindows()
运行效果如下：
检测人脸信息如下： [[3291574949] [ 881564444] [1571585454] [2401595050] [ 863706868] [ 792545454] [3392505858] [1552545959] [2512475959] [1993718080] [3083706969]] Processfinishedwithexitcode0
3. 视频中人脸检测
# -*- coding: UTF-8 -*-"""@公众号 ： AI庭云君@Author ： 叶庭云@CSDN ： https://yetingyun.blog.csdn.net/"""importcv2# 加载视频cap=cv2.VideoCapture('test.mp4') # 创建一个级联分类器 加载一个.xml分类器文件 它既可以是Haar特征也可以是LBP特征的分类器face_detect=cv2.CascadeClassifier(r'./face_detection/haarcascades/haarcascade_frontalface_default.xml') whileTrue: # 读取视频片段ret, frame=cap.read() ifnotret: # 读完视频后falg返回Falsebreakframe=cv2.resize(frame, None, fx=0.5, fy=0.5) # 灰度处理gray=cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY) # 多个尺度空间进行人脸检测 返回检测到的人脸区域坐标信息face_zone=face_detect.detectMultiScale(gray, scaleFactor=1.1, minNeighbors=8) # 绘制矩形和圆形检测人脸forx, y, w, hinface_zone: cv2.rectangle(frame, pt1=(x, y), pt2=(x+w, y+h), color=[0, 0, 255], thickness=2) cv2.circle(frame, center=(x+w//2, y+h//2), radius=w//2, color=[0, 255, 0], thickness=2) # 显示图片cv2.imshow('video', frame) # 设置退出键和展示频率iford('q') ==cv2.waitKey(40): break# 释放资源cv2.destroyAllWindows() cap.release()
截取新版倚天屠龙记某一集36:35到36:39的片段，简单实现实时检测人脸并显示，运行效果如下：
任何算法都不会 100% 识别准确，由于噪声、误差、算法、训练集等影响，某些时候也会出现一些错误识别。自己进行简单测试时也会发现，人物动作、视频中镜头切换过快、背景变化等因素，可能会造成对视频中人脸检测不准确。
4. 摄像头人脸检测
"""@公众号 ： AI庭云君@Author ： 叶庭云@CSDN ： https://yetingyun.blog.csdn.net/"""importcv2ascv# 识别电脑摄像头并打开cap=cv.VideoCapture(0, cv.CAP_DSHOW) # 创建一个级联分类器 加载一个.xml分类器文件 它既可以是Haar特征也可以是LBP特征的分类器face_detect=cv.CascadeClassifier(r'./face_detection/haarcascades/haarcascade_frontalface_default.xml') whileTrue: # 读取视频片段flag, frame=cap.read() frame=cv.flip(frame, 1) ifnotflag: # 读完视频后falg返回Falsebreak# 灰度处理gray=cv.cvtColor(frame, cv.COLOR_BGR2GRAY) # 多个尺度空间进行人脸检测 返回检测到的人脸区域坐标信息face_zone=face_detect.detectMultiScale(gray, scaleFactor=1.1, minNeighbors=5) # 绘制矩形和圆形检测人脸forx, y, w, hinface_zone: cv.rectangle(frame, pt1=(x, y), pt2=(x+w, y+h), color=[0, 0, 255], thickness=2) cv.circle(frame, center=(x+w//2, y+h//2), radius=w//2, color=[0, 255, 0], thickness=2) # 显示图片cv.imshow('video', frame) # 设置退出键q 展示频率iford('q') ==cv.waitKey(30): break# 释放资源cv.destroyAllWindows() cap.release()
程序运行，即可调用电脑的摄像头识别面对摄像头的人脸，正脸和静止状态检测人脸的效果好。
