计算机视觉（六）-蒲公英云

人脸检测和识别
在opencv中data/haarcascades,该文件夹包含了所有的opencvv人脸检测的xml文件，这些文件用于检测静止图像、视频和摄像头所得到的图像中的人脸。

使用时直接索引到该文件。

1、静态图像中的人脸检测

级联分类

def CascadeClassifier(filename=None): # real signature unknown; restored from __doc__ """ CascadeClassifier([filename]) -> <CascadeClassifier object> """ pass
from cv2 import *
image=imread('D:/temp/f1.jpg')
def detect(frame):
    #负责人脸检测
    face_cascades=CascadeClassifier('D:/cascades/haarcascade_frontalface_default.xml')
    #必须转换成灰度图
    gray=cvtColor(frame,COLOR_BGR2GRAY)
    #实际的人脸检测
    faces=face_cascades.detectMultiScale(gray,1.3,5)
    #通过依次提取faces变量中的值来找到人脸，并在人脸周围绘制红色矩形，这是在原始图像而不是在灰度图上
    for (x,y,w,h) in faces:
        frame=rectangle(frame,(x,y),(x+w,y+h),(0,0,255),2)
    namedWindow('Detected')
    imshow('Detected',frame)
    waitKey()
detect(image)
destroyAllWindows() 2、视频中的人脸检测
from cv2 import *
videocaptrue=VideoCapture(0)
ret,frame=videocaptrue.read()
def detect(frame):
    face_cascades=CascadeClassifier('D:/cascades/haarcascade_frontalface_default.xml')
    # img=imread(filename)
    gray=cvtColor(frame,COLOR_BGR2GRAY)
    faces=face_cascades.detectMultiScale(gray,1.3,5)
    for (x,y,w,h) in faces:
        frame=rectangle(frame,(x,y),(x+w,y+h),(0,0,255),2)
    namedWindow('Detected')
    imshow('Detected',frame)
    waitKey(1)
while ret:
    detect(frame)
    ret, frame = videocaptrue.read()
destroyAllWindows() 3、视频中人脸及眼睛
来源：http://bluewhale.cc/2017-07-28/use-python-and-opencv-to-detect-faces-and-eyes.html
使用numpy和cv2两个库。
   Source code     
  #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。 
   Source code     
  #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。 
   Source code     
  #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) 
   Source code     
  #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。
   Source code     
  #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。
   Source code     
  #释放摄像头
cap.release()
#关闭视频输出
out.release()
#关闭所有窗口
cv2.destroyAllWindows()
4、人脸识别

定义：程序能识别给定图像或视频中的脸。

方法：用一系列分好类的图像（人脸数据库）来“训练”程序，并基于这些图像来进行识别。

4.1生成人脸识别数据

需满足以下条件：

--图像是灰度格式，后缀名为.pgm

--图像形状为正方形

--图像大小要一样（以下使用200x200的大小）

脚本代码：

from cv2 import *
def generate():
    face_cascades = CascadeClassifier('D:/cascades/haarcascade_frontalface_default.xml')
    eye_cascades = CascadeClassifier('D:/cascades/haarcascade_eye.xml')
    videocap=VideoCapture(0)
    count=0
    while 1:
        ret,frame=videocap.read()
        gray=cvtColor(frame,COLOR_BGR2GRAY)
        faces=face_cascades.detectMultiScale(gray,1.3,5)
        for (x,y,w,h) in faces:
            img=rectangle(frame,(x,y),(x+w,y+h),(255,0,0),2)
            f=resize(gray[y:y+h,x:x+w],(200,200))
            imwrite('D:/temp/Mypic/%s.pgm'%str(count),f)
            count+=1
        imshow('Camer',frame)
        if waitKey(1000/12)&0xff==ord('q'):
            break
    videocap.release()
    destroyAllWindows()
if __name__=='__main__':
    generate()