python-opencv基于人脸分类器的图片或视频或摄像头的人脸识别、统计人数等

90 阅读 0 评论 60 点赞

我是靠谱客的博主幸福小熊猫，最近开发中收集的这篇文章主要介绍python-opencv基于人脸分类器的图片或视频或摄像头的人脸识别、统计人数等，觉得挺不错的，现在分享给大家，希望可以做个参考。

概述

opencv的包中自带有人脸分类器，可以方便实现对人脸、人眼和微笑的检测，值得注意的是人脸分类器对于正脸有较好的提取，对于侧脸就需要其他的了。

人脸 - haarcascade_frontalface_default.xml
人眼 - haarcascade_eye.xml
微笑 - haarcascade_smile.xml

一般的路径为：

AppData/Local/Programs/Python/Python37/Libsite-packages/cv2data/haarcascade_frontalface_alt.xml

如果没有的话，在此附上百度云盘链接，下载即可：
链接：链接：https://pan.baidu.com/s/1psup-wR53xvxl9GkzdhgOA
提取码：kc7s。

核心的步骤是：

# 按照1.1倍放大 周围最小像素为5
face_zone = face_detect.detectMultiScale(gray, scaleFactor = 1.1, minNeighbors = 5)

输入图像为灰度图
经过试验，倍数为1.1，周围最小像素为5，最为合适。

以下就是全部代码：

#coding:utf-8
from cv2 import cv2


# 调用熟悉的人脸分类器 识别特征类型
# 人脸 - haarcascade_frontalface_default.xml
# 人眼 - haarcascade_eye.xm
# 微笑 - haarcascade_smile.xml
face_detect = cv2.CascadeClassifier(r'c:/Users/liuAppData/Local/Programs/Python/Python37/Libsite-packages/cv2data/haarcascade_frontalface_alt.xml')


# 读取图片
photo = cv2.imread('shili.jpg')

# cv2.imshow('photo', photo)
# 灰度处理
gray = cv2.cvtColor(photo, code=cv2.COLOR_BGR2GRAY)

# 检查人脸 按照1.1倍放到 周围最小像素为5
face_zone = face_detect.detectMultiScale(gray, scaleFactor = 1.1, minNeighbors = 5)

# 绘制矩形和圆形检测人脸

num = 0 # 统计人数
for x, y, w, h in face_zone:
    num = num + 1
    # 画矩形
    cv2.rectangle(photo, pt1 = (x, y), pt2 = (x+w, y+h), color = [0,0,255], thickness=2)
    # 画圆
    cv2.circle(photo, center = (x + w//2, y + h//2), radius = w//2, color = [0,255,0], thickness = 2)
    # 显示文字
    cv2.putText(photo, str(num), (x,y), cv2.FONT_HERSHEY_COMPLEX, 1, (0, 255, 0), 1)
    
# 总人数    
cv2.putText(photo, "{}people".format(num), (10,50), cv2.FONT_HERSHEY_COMPLEX, 1, (142, 125, 52), 1)

cv2.imshow('result', photo)
cv2.waitKey(0)
# 释放资源
cv2.destroyAllWindows()

图片效果如下：
（为保护隐私，模糊化处理，直男马赛克）
在这里插入图片描述
在左上角显示总人数，但是显然有一个同学没有算进去，因为在图片上来看，当时她有些低头，分类器对正脸识别较好。

但是对于脸部有遮挡的情况识别不好，比如：
mark

除此之外，还可以用作视频检测：

如果要启用摄像头的话，切换一下代码里的注释即可，
如下：

#识别电脑摄像头并打开
cap = cv2.VideoCapture(0)

#coding:utf-8
from cv2 import cv2
import os
import matplotlib.pyplot as plt

# # 识别电脑摄像头并打开
# cap = cv2.VideoCapture(0)

# # 加载视频
cap = cv2.VideoCapture('//path.mp4')

# 调用熟悉的人脸分类器 识别特征类型
# 人脸 - haarcascade_frontalface_default.xml
# 人眼 - haarcascade_eye.xm
# 微笑 - haarcascade_smile.xml
face_detect = cv2.CascadeClassifier(r'c:/Users/liuAppData/Local/Programs/Python/Python37/Libsite-packages/cv2data/haarcascade_frontalface_alt.xml')
num_list = []
while True:
    # 读取视频片段
    flag, frame = cap.read()
    if flag == False:
        print("失败")
        break

    # 灰度处理
    gray = cv2.cvtColor(frame, code=cv2.COLOR_BGR2GRAY)

    # 检查人脸 按照1.1倍放到 周围最小像素为5
    face_zone = face_detect.detectMultiScale(gray, scaleFactor = 1.2, minNeighbors = 5)

    # 绘制矩形和圆形检测人脸
    num = 0
    
    for x, y, w, h in face_zone:
        num = num + 1
        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)
        cv2.putText(frame, str(num), (x,y), cv2.FONT_HERSHEY_COMPLEX, 1, (0, 255, 0), 1)
    # 显示图片
    cv2.putText(frame, "{}people".format(num), (10,50), cv2.FONT_HERSHEY_COMPLEX, 1, (142, 125, 52), 1)
    cv2.imshow('video', frame)
    num_list.append(num)
    # 设置空格退出键和展示频率
    if ord(' ') == cv2.waitKey(20):
        break

cap.release()
plt.plot(num_list,'ro')
plt.show()
# 释放资源
cv2.destroyAllWindows()

最后结束后，还会plot出随着时间变化的人数变化。

视频效果如下：
ps:视频来源于网上，侵删
gif
对于人物脸部前无遮挡、正脸的识别效果较好。