OpenCV 人脸检测（二）
- 2019 年 10 月 7 日
- 筆記
本篇介绍在人脸检测的基础上对眼睛进行检测。下面这个分类器用于检测眼睛。
cv2.CascadeClassifier('./cascades/haarcascade_eye.xml')
除非是外星人，眼睛通常不会跑到脸部以外。所以我们只需在人脸矩形框的范围内检测眼睛。
以下图为例，我们想以红色矩形标记脸部区域，蓝色矩形标记眼睛区域。
import cv2 import numpy as np from matplotlib import pyplot as plt def detect(img): gray =cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) front_face_cascade = cv2.CascadeClassifier('./cascades/haarcascade_frontalface_default.xml')#检测正脸 faces0 = front_face_cascade.detectMultiScale(gray, 1.1, 6) print("共检测到%d张人的正脸" %len(faces0)) eye_cascade = cv2.CascadeClassifier('./cascades/haarcascade_eye.xml')#检测眼睛 for (x, y, w, h) in faces0: eye_detected = False print(w,h) face_area = gray[y: y+h, x: x+w] # （疑似）人脸区域 #eyes = eye_cascade.detectMultiScale(face_area, 1.03, 5, 0, (40,40)) #在人脸区域检测眼睛 eyes = eye_cascade.detectMultiScale(face_area, 1.03, 5, 0)#在人脸区域检测眼睛 for (ex,ey,ew,eh) in eyes: print(" ",ew,eh) #if ew/w > 0.18: cv2.rectangle(img, (x+ex,y+ey),(x+ex+ew, y+ey+eh), (255,0,0),2) #画蓝色色矩形框标记正脸 eye_detected = True #if eye_detected: #排除掉检测不到眼睛的 疑似人脸区域 cv2.rectangle(img, (x,y), (x+w,y+h), (0,0,255), 2) #画红色矩形框标记正脸 return img img0= cv2.imread("face.png") img = detect(img0) plt.subplot(1,1,1) plt.imshow(cv2.cvtColor(img, cv2.COLOR_BGR2RGB)) plt.title("OpenCV 人脸检测",fontSize =16, color="b") plt.show()
检测结果如下：
我们发现对于上图，人脸和眼睛的检测都产生了假阳性。花朵被检测成了人脸，鼻子和嘴巴被误认为是眼睛。
我们可以做简单合理的假设，只有检测出眼睛的疑似人脸区域才能被检测为人脸，只有尺寸适中、位置偏人脸上部的疑似眼睛区域才能被识别成眼睛。按照上述原则我们对代码进行优化：
def detect(img): gray =cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) front_face_cascade = cv2.CascadeClassifier('./cascades/haarcascade_frontalface_default.xml')#检测正脸 faces0 = front_face_cascade.detectMultiScale(gray, 1.025, 5) eye_cascade = cv2.CascadeClassifier('./cascades/haarcascade_eye.xml')#检测眼睛 n =0 for (x, y, w, h) in faces0: eye_detected = False face_area = gray[y: y+h, x: x+w] # （疑似）人脸区域 #eyes = eye_cascade.detectMultiScale(face_area, 1.03, 5, 0, (40,40)) #在人脸区域检测眼睛 quasi_eyes = eye_cascade.detectMultiScale(face_area, 1.03, 5, 0)#在人脸区域检测眼睛 if len(quasi_eyes) ==0: continue quasi_eyes = tuple(filter(lambda x : x[2]/w>0.18, quasi_eyes)) # ex,ey,ew,eh; ew/w>0.18 #尺寸过滤 if len(quasi_eyes) <2 : continue eyes = sorted(quasi_eyes, key=operator.itemgetter(1), reverse = False) # 排序，为了取ey最小的（顶部的）两只疑似眼睛 ex,ey,ew,eh = eyes[0] cv2.rectangle(img, (x+ex,y+ey),(x+ex+ew, y+ey+eh), (255,0,0),2) #画蓝色色矩形框标记第1只眼睛 ex,ey,ew,eh = eyes[1] cv2.rectangle(img, (x+ex,y+ey),(x+ex+ew, y+ey+eh), (255,0,0),2) #画蓝色色矩形框标记第2只眼睛 eye_detected = True if eye_detected: #排除掉检测不到眼睛的 疑似人脸区域 cv2.rectangle(img, (x,y), (x+w,y+h), (0,0,255), 2) #画红色矩形框标记正脸 n += 1 print("共检测到%d张人的正脸" % n) return img
两只眼睛一张脸，嗯，效果还不错。
我们可以做更多的测试：
红姑是侧脸，没检测出来也符合代码的逻辑。
有人说人是从猴子变的，看来也不是没有道理。。。
但是戴上眼镜，程序就认不出了。很好解决，我们换个眼睛检测的分类器即可：
eye_cascade = cv2.CascadeClassifier('./cascades/haarcascade_eye_tree_eyeglasses.xml')#检测眼睛（可戴眼镜）
下面两个分类器可以单独检测图像的右眼和左眼，用法相同，不再赘述。
eye_cascade = cv2.CascadeClassifier('./cascades/haarcascade_righteye_2splits.xml')#检测右边的眼睛（人物左眼） eye_cascade = cv2.CascadeClassifier('./cascades/haarcascade_lefteye_2splits.xml')#检测左边的眼睛（人物右眼）
