使用 Python 进行面部和眼睛检测

人工智能等各类编程培训资料整理，所有资源无秘无压缩-购买会员

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 OpenCVpipinstallopencv-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。

importcv2

face_cascade=cv2.CascadeClassifier(.Datahaarcascade_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。

defdetect_face(img):

face_img=img.copy()

face_rect=face_cascade.detectMultiScale(face_img,scaleFactor=1.2,minNeighbors=5)

for(x,y,w,h)inface_rect:

cv2.rectangle(face_img,(x,y),(x+w,y+h),(255,255,255),10)

returnface_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)

whileTrue:

cv2.imshow(,result)

code=cv2.waitKey(10)

ifcode==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。

importcv2

eye_cascade=cv2.CascadeClassifier(.Datahaarcascade_eye.xml)

nadia=cv2.imread(./Data/Nadia_Murad.jpg,0)

defdetect_eyes(img):

face_img=img.copy()

eyes=eye_cascade.detectMultiScale(face_img,scaleFactor=1.2,minNeighbors=5)

for(x,y,w,h)ineyes:

cv2.rectangle(face_img,(x,y),(x+w,y+h),(255,255,255),10)

returnface_img

result=detect_eyes(nadia)

whileTrue:

cv2.imshow(,result)

code=cv2.waitKey(10)

ifcode==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。

importcv2

face_cascade=cv2.CascadeClassifier(.Datahaarcascade_frontalface_default.xml)

defdetect_face(img):

face_img=img.copy()

face_rect=face_cascade.detectMultiScale(face_img,scaleFactor=1.2,minNeighbors=5)

for(x,y,w,h)inface_rect:

cv2.rectangle(face_img,(x,y),(x+w,y+h),(255,255,255),10)

returnface_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)

whileTrue:

ret,frame=cap.read()

frame=detect_face(frame)

cv2.imshow(FaceDetection,frame)

code=cv2.waitKey(10)

ifcode==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。

importcv2

eye_cascade=cv2.CascadeClassifier(.Datahaarcascade_eye.xml)

defdetect_eye(img):

eye_img=img.copy()

eye_rect=eye_cascade.detectMultiScale(eye_img,scaleFactor=1.2,minNeighbors=5)

for(x,y,w,h)ineye_rect:

cv2.rectangle(eye_img,(x,y),(x+w,y+h),(255,255,255),10)

returneye_img

cap=cv2.VideoCapture(0)

whileTrue:

ret,frame=cap.read()

frame=detect_eye(frame)

cv2.imshow(EyeDetection,frame)

code=cv2.waitKey(10)

ifcode==ord(q):

break

cap.release()

cv2.destroyAllWindows()

现在运行该文件以查看结果。

结论

OpenCV 是一个非常强大的机器学习库。

源代码：https://github.com/Priyank010/Face-and-Eye-Detection