OpenCV完成人脸检测、猫脸检测
简介
OpenCV是一个基于BSD许可(开源)发行的跨平台计算机视觉库,可以运行在Linux、Windows、Android和Mac OS操作系统上。它轻量级而且高效——由一系列 C 函数和少量 C++ 类构成,同时提供了Python、Ruby、MATLAB等语言的接口,实现了图像处理和计算机视觉方面的很多通用算法。
OpenCV的官方网址为:https://opencv.org/, 其Github网址为:https://github.com/opencv 。
本文将会介绍OpenCV在人脸检测等方面的应用,使用的语言为Python。
本文介绍的人脸检测使用OpenCV自带的Haar特征检测,训练好的模型的存放网址为:
https://github.com/opencv/opencv/tree/master/data/haarcascades ,如下图:
![](http://upload-images.jianshu.io/upload_images/9419034-99496afafc5aa127.png?imageMogr2/auto-orient/strip%7CimageView2/2/w/979/format/webp)
本文将会介绍其中的人脸检测(haarcascade_frontalface_default.xml)和猫脸检测(haarcascade_frontalface.xml)。
人脸检测
利用OpenCV的Python接口实现人脸检测的流程如下:
- 读取图片
- 将图片转换为灰度模式,便于人脸检测
- 利用Haar特征检测图片中的人脸
- 绘制人脸的矩形区域
- 显示人脸检测后的图片
示例的Python代码如下:
# -*- coding: utf-8 -*- import cv2 import logging # 设置日志 logging.basicConfig(level = logging.INFO, format='%(asctime)s - %(levelname)s: %(message)s') logger = logging.getLogger(__name__) # 待检测的图片路径 ImagePath = 'E://zhoujielun.jpg' # 读取图片 logger.info('Reading image...') image = cv2.imread(ImagePath) # 把图片转换为灰度模式 gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY) # 探测图片中的人脸 logger.info('Detect faces...') # 获取训练好的人脸的参数数据,进行人脸检测 face_cascade = cv2.CascadeClassifier(r'./haarcascade_frontalface_default.xml') faces = face_cascade.detectMultiScale(gray,scaleFactor=1.15,minNeighbors=5,minSize=(3, 3)) search_info = "Find %d face."%len(faces) if len(faces) <= 1 else "Find %d faces."%len(faces) logger.info(search_info) # 绘制人脸的矩形区域(红色边框) for (x, y, w, h) in faces: cv2.rectangle(image, (x,y), (x+w,y+h), (0,0,255), 2) # 显示图片 cv2.imshow('Find faces!', image) cv2.waitKey(0)
输出结果如下:
2019-09-02 16:23:50,160 - INFO: Reading image...
2019-09-02 16:23:53,028 - INFO: Detect faces...
2019-09-02 16:23:55,989 - INFO: Find 1 face.
检测后的图片如下:
![](https://img2018.cnblogs.com/blog/1554973/201909/1554973-20190902162444237-1620441314.png)
猫脸检测
人脸检测、人脸识别是近来非常火的技术,那么,用来识别猫脸呢?只需要把之前代码中的模型文件换成haarcascade_frontalface.xml即可。完整的Python代码如下:
# -*- coding: utf-8 -*- import cv2 import logging # 设置日志 logging.basicConfig(level = logging.INFO, format='%(asctime)s - %(levelname)s: %(message)s') logger = logging.getLogger(__name__) # 待检测的图片路径 ImagePath = 'E://cat.jpg' # 读取图片 logger.info('Reading image...') image = cv2.imread(ImagePath) # 把图片转换为灰度模式 gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY) # 探测图片中的人脸 logger.info('Detect faces...') # 获取训练好的人脸的参数数据,进行人脸检测 face_cascade = cv2.CascadeClassifier(r'./haarcascade_frontalcatface.xml') faces = face_cascade.detectMultiScale(gray,scaleFactor=1.15,minNeighbors=5,minSize=(3, 3)) search_info = "Find %d face."%len(faces) if len(faces) <= 1 else "Find %d faces."%len(faces) logger.info(search_info) # 绘制人脸的矩形区域(红色边框) for (x, y, w, h) in faces: cv2.rectangle(image, (x,y), (x+w,y+h), (0,0,255), 2) # 显示图片 cv2.imshow('Find faces!', image) cv2.waitKey(0)
输出的结果如下:
2019-09-02 16:27:50,294 - INFO: Reading image... 2019-09-02 16:27:50,303 - INFO: Detect faces... 2019-09-02 16:27:50,411 - INFO: Find 1 face.
猫脸检测后的效果如下:
![](https://img2018.cnblogs.com/blog/1554973/201909/1554973-20190902162805812-718639415.png)
总结
能检测人脸和猫脸,如果继续探究下去,可以做不少的事情,比如结合深度学习的模型,比如CNN等,可以实现人脸识别啊,物体检测,自动给图像打标签等。