opencv基于Haar人脸检测和眼睛检测

OpenCV基于Haar人脸检测和眼睛检测攻略

OpenCV是一个功能强大的开源计算机视觉库，可以用于图像和视频处理。其中，基于Haar特征的人脸检测和眼睛检测是OpenCV中的一个经典应用，本文将介绍这一应用的完整攻略。

步骤1：安装OpenCV

首先，我们需要在本地电脑上安装OpenCV库。具体可参考OpenCV官网的安装教程：https://docs.opencv.org/master/d7/d9f/tutorial_linux_install.html

步骤2：收集训练数据

在进行人脸检测和眼睛检测之前，我们需要使用大量的训练数据来训练Haar分类器。训练数据可以是正样本和负样本的集合，其中正样本是包含人脸和眼睛的图像，负样本则是一些随机的图像，不包含人脸和眼睛。

我们可以从国际上公开的数据集中下载训练数据。例如：LFW数据集、WIDER FACE数据集、FDDB数据集等。

步骤3：训练Haar分类器

OpenCV提供了一个名为Cascade Trainer GUI的工具，可以用于训练Haar分类器。 使用该工具时，需要为训练数据设置标签，并指定Haar特征、正负样本的数量等相关参数。可以在命令行中运行以下命令来打开该工具：

opencv_createsamples -info your_path/info.txt -num 1000 -w 48 -h 48 -vec your_path/your_samples.vec
opencv_traincascade -data your_path -vec your_path/your_samples.vec -bg your_path/bg.txt -numPos 1000 -numNeg 500 -numStages 20 -w 24 -h 24

这个命令会先用正样本生成vec文件，然后用vec数据和负样本，开始训练Harr分类器，经过N个阶段的训练后，最终生成xml文件，即为完成训练。

步骤4：使用Haar分类器进行人脸检测和眼睛检测

通过使用OpenCV中的Haar分类器，可以在输入图像或视频中进行实时人脸和眼睛检测。下面是基于Python和OpenCV的代码实现示例：

import cv2

# 加载训练好的Haar分类器
face_cascade = cv2.CascadeClassifier('haarcascade_frontalface_default.xml')
eye_cascade = cv2.CascadeClassifier('haarcascade_eye.xml')

# 读取图像
img = cv2.imread('test.jpg')
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# 进行人脸检测
faces = face_cascade.detectMultiScale(gray, scaleFactor=1.2, minNeighbors=5)

# 遍历检测到的所有人脸
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]
    # 对于每张人脸，进行眼睛检测
    eyes = eye_cascade.detectMultiScale(roi_gray)
    for (ex,ey,ew,eh) in eyes:
        cv2.rectangle(roi_color,(ex,ey),(ex+ew,ey+eh),(0,255,0),2)

# 显示结果
cv2.imshow('img',img)
cv2.waitKey(0)
cv2.destroyAllWindows()

示例1：在视频中实时检测人脸和眼睛

import cv2

# 加载训练好的Haar分类器
face_cascade = cv2.CascadeClassifier('haarcascade_frontalface_default.xml')
eye_cascade = cv2.CascadeClassifier('haarcascade_eye.xml')

# 处理视频
cap = cv2.VideoCapture(0)

while True:
    # 读取帧
    ret, img = cap.read()
    gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

    # 进行人脸检测
    faces = face_cascade.detectMultiScale(gray, scaleFactor=1.2, minNeighbors=5)

    # 遍历检测到的所有人脸
    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]
        # 对于每张人脸，进行眼睛检测
        eyes = eye_cascade.detectMultiScale(roi_gray)
        for (ex,ey,ew,eh) in eyes:
            cv2.rectangle(roi_color,(ex,ey),(ex+ew,ey+eh),(0,255,0),2)

    # 显示结果
    cv2.imshow('img',img)
    k = cv2.waitKey(30) & 0xff
    if k == 27:
        break

cap.release()
cv2.destroyAllWindows()

示例2：从摄像头中捕获图片并进行人脸和眼睛检测

import cv2

# 加载训练好的Haar分类器
face_cascade = cv2.CascadeClassifier('haarcascade_frontalface_default.xml')
eye_cascade = cv2.CascadeClassifier('haarcascade_eye.xml')

# 处理摄像头捕捉的图片
cap = cv2.VideoCapture(0)
ret, img = cap.read()
cv2.imwrite("capture.jpg", img)
cap.release()

# 读取图片，并进行人脸检测
img = cv2.imread('capture.jpg')
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
faces = face_cascade.detectMultiScale(gray, scaleFactor=1.2, minNeighbors=5)

# 遍历检测到的所有人脸
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]
    # 对于每张人脸，进行眼睛检测
    eyes = eye_cascade.detectMultiScale(roi_gray)
    for (ex,ey,ew,eh) in eyes:
        cv2.rectangle(roi_color,(ex,ey),(ex+ew,ey+eh),(0,255,0),2)

# 显示结果
cv2.imshow('img',img)
cv2.waitKey(0)
cv2.destroyAllWindows()

以上示例代码可以在Python环境下运行，并基于OpenCV进行实时人脸和眼睛检测，可以根据需要进行参考和修改。