本来学习OpenCV的目的就是为了做人脸识别、车辆识别、人群计数等等，识别人脸首先要进行人脸检测，OpenCV中内置了Haar Cascade人脸分类器，其中包括haarcascade_frontalface_alt、haarcascade_frontalface_alt_tree、haarcascade_frontalface_alt2、haarcascade_frontalface_default这四种，本文不求甚解，只是从比对上判断一下这几种内置分类器的可用性。
比较的依据，一个是下载的ORL人脸数据库，40个人物*10张照片（92*112像素）；另一个是从网络上下载的几张集体照。
ORL人脸数据库，每一个目录就是个人物，就是人物标签
juhui1，1927年在比利时布鲁塞尔召开的第五次索尔维会议，共29个人，黑白照片
juhui2，1924年林徽因等与访问中国的泰戈尔合影，共7个人
juhui3，仍然是1927年在比利时布鲁塞尔召开的第五次索尔维会议，共29个人，但是是彩色照片
下面的代码是读取摄像头，进行人脸检测
代码语言：javascript复制import numpy as np
import cv2
import os
# 定义绿色跟踪框
color = (0, 255, 0)
# 读取当前笔记本摄像头
camera = cv2.VideoCapture(0)
# 判断摄像头是否打开
while camera.isOpened():
#cap.read()返回两个参数赋给两个值。
# 第一个参数ret的值为True或False，代表有没有读到图片。
# 第二个参数是frame，是当前截取一帧的图片
ret, frame = camera.read()
if ret:
# 获取当前帧
image = frame
# 进行颜色灰度转换
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
# 加载分类器，opencv自带的分类器，放在C:PythonPython37Libsite-packagescv2data目录下，主要包括
# haarcascade_eye 睁开的眼睛的检测
# haarcascade_eye_tree_eyeglasses 戴眼镜时睁开的眼睛
# haarcascade_frontalcatface 正脸检测
# haarcascade_frontalcatface_extended 正脸检测
# haarcascade_frontalface_alt 正脸检测
# haarcascade_frontalface_alt_tree 正脸检测
# haarcascade_frontalface_alt2 正脸检测
# haarcascade_frontalface_default 正脸检测
# haarcascade_fullbody 全身检测
# haarcascade_lefteye_2splits 检测左眼开或闭合
# haarcascade_licence_plate_rus_16stages 俄罗斯车牌
# haarcascade_lowerbody 下肢检测
# haarcascade_profileface 人脸轮廓检测
# haarcascade_righteye_2splits 检测右眼开或闭合
# haarcascade_russian_plate_number 俄罗斯车牌号
# haarcascade_smile 微笑表情检测
# haarcascade_upperbody 上半身检测
classfier = cv2.CascadeClassifier("haarcascade_frontalface_alt2.xml")
# detectMultiScale函数。可以检测出图片中所有的人脸，并将人脸用vector保存各个人脸的坐标、大小（用矩形表示），函数由分类器对象调用
# 参数1：image--待检测图片，一般为灰度图像加快检测速度；
# 参数2：objects--被检测物体的矩形框向量组；
# 参数3：scaleFactor--表示在前后两次相继的扫描中，搜索窗口的比例系数。默认为1.1即每次搜索窗口依次扩大10%;
# 参数4：minNeighbors--表示构成检测目标的相邻矩形的最小个数(默认为3个)。
# 如果组成检测目标的小矩形的个数和小于 min_neighbors - 1 都会被排除。
# 如果min_neighbors 为 0, 则函数不做任何操作就返回所有的被检候选矩形框，
# 这种设定值一般用在用户自定义对检测结果的组合程序上；
# 参数5：flags--要么使用默认值，要么使用CV_HAAR_DO_CANNY_PRUNING，如果设置为
# CV_HAAR_DO_CANNY_PRUNING，那么函数将会使用Canny边缘检测来排除边缘过多或过少的区域，
# 因此这些区域通常不会是人脸所在区域；
# 参数6、7：minSize和maxSize用来限制得到的目标区域的范围。
faceRects = classfier.detectMultiScale(gray, scaleFactor=1.2, minNeighbors=3, minSize=(32, 32))
# 返回识别出来的脸部矩阵的位置数组 [[211 191 266 266] [211 191 266 266] [211 191 266 266]]
# 如果已识别脸部对象
if len(faceRects) > 0:
# 循环输出识别的数组
for faceRect in faceRects:
# 获取矩阵的人脸的坐标、大小
x, y, w, h = faceRect
# 通过rectangle()在图片上构建矩阵图
cv2.rectangle(image, (x - 10, y - 10), (x w 10, y h 10), color, 3)
# 展示图片
cv2.imshow("My Capture", image)
# 按q键退出
if cv2.waitKey(1) & 0xFF == ord('q'):
break
# 关闭摄像头
camera.release()
# 关闭窗口
cv2.destroyAllWindows()下面的代码是读取摄像头，进行人脸检测和眼睛检测
代码语言：javascript复制import numpy as np
import cv2
import os
# 定义绿色跟踪框
color = (0, 255, 0)
# 正脸检测分类器
face_cascade = cv2.CascadeClassifier('C:\Python\Python37\Lib\site-packages\cv2\data\haarcascade_frontalface_alt2.xml')
# 睁开的眼睛的检测分类器，奇怪不加路径会报错
eye_cascade = cv2.CascadeClassifier('C:\Python\Python37\Lib\site-packages\cv2\data\haarcascade_eye.xml')
# 读取当前笔记本摄像头
camera = cv2.VideoCapture(0 ,cv2.CAP_DSHOW)
# 判断摄像头是否打开
while camera.isOpened():
ret, frame = camera.read()
if ret:
# 获取当前帧
image = frame
# 灰度转换
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
# 脸部检测
faces = face_cascade.detectMultiScale(gray, 1.3, 5)
# 遍历脸部检测数组
for (x, y, w, h) in faces:
# 输出脸部矩阵
cv2.rectangle(image, (x, y), (x w, y h), (255, 0, 0), 2)
# 在脸部范围内搜索眼睛，一个灰度图（用来识别眼睛），一个颜色图（用来输出眼睛矩阵）
roi_gray = gray[y:y h, x:x w]
roi_color = image[y:y h, x:x w]
# 进行眼睛检测
eyes = eye_cascade.detectMultiScale(roi_gray)
# 在脸部区画眼睛矩阵
for (ex, ey, ew, eh) in eyes:
cv2.rectangle(roi_color, (ex, ey), (ex ew, ey eh), (0, 255, 0), 2)
cv2.imshow('img', image)
# 按q键退出
if cv2.waitKey(1) & 0xFF == ord('q'):
break
# 关闭摄像头
camera.release()
# 关闭窗口
cv2.destroyAllWindows()用opencv内置分类器对几张聚会照片进行人脸检测。
代码语言：javascript复制import numpy as np
import cv2
imgname = 'C:\Python\Pycharm\docxprocess\picture\predict\juhui4.png'
face_cascade = cv2.CascadeClassifier(
'C:\Python\Python37\Lib\site-packages\cv2\data\haarcascade_frontalface_alt.xml')
# face_cascade = cv2.CascadeClassifier('C:\Python\Python37\Lib\site-packages\cv2\data\haarcascade_frontalface_alt2.xml')
# face_cascade = cv2.CascadeClassifier('C:\Python\Python37\Lib\site-packages\cv2\data\haarcascade_frontalface_alt_tree.xml')
# face_cascade = cv2.CascadeClassifier('C:\Python\Python37\Lib\site-packages\cv2\data\haarcascade_frontalface_default.xml')
img = cv2.imread(imgname)
# img = cv2.imread('wukelan.jpeg')
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
faces = face_cascade.detectMultiScale(gray, 1.3, 5)
for (x, y, w, h) in faces:
cv2.rectangle(img, (x, y), (x w, y h), (255, 0, 0), 2)
cv2.imshow('img', img)
cv2.waitKey(0)
cv2.destroyAllWindows()比较检测出来的人脸，可以看出haarcascade_frontalface_alt_tree>haarcascade_frontalface_alt>haarcascade_frontalface_default>haarcascade_frontalface_alt2
下面是对ORL人脸数据库进行人脸检测。
代码语言：javascript复制import cv2
import numpy as np
import os
import shutil
# 载入图像，读取ORL人脸数据库，准备训练数据
def loadimageface(data):
# 加载图片数据用于训练
# params:data:训练数据所在的目录，要求图片尺寸一样
#ret:
# images:[m,height,width] m为样本数，height为高，width为宽
# names：名字的集合
# labels：标签
images = []
names = []
labels = []
face_casecade = cv2.CascadeClassifier('C:\Python\Python37\Lib\site-packages\cv2\data\haarcascade_frontalface_default.xml')
# haarcascade_frontalface_alt_tree 21
# [ 3 9 13 13 13 13 15 17 24 31 33 34 34 34 35 35 36 37 37 37 37]
# haarcascade_frontalface_alt 222
# [ 0 0 1 1 1 1 1 1 1 1 1 2 2 2 2 2 2 2 2 3 3 3 3 3
# 3 3 3 3 3 4 4 4 4 4 5 5 5 5 5 6 6 6 6 6 7 7 7 7
# 8 8 9 9 9 9 9 9 9 9 9 9 10 10 10 12 12 12 12 12 12 12 12 12
# 13 13 13 13 13 13 13 13 13 13 14 15 15 15 15 15 15 16 16 16 16 16 17 17
# 17 17 18 18 18 18 18 18 19 20 20 21 21 21 21 21 21 21 21 22 22 22 22 22
# 22 23 23 23 23 23 23 23 23 24 24 24 24 24 25 25 26 26 26 26 26 26 26 26
# 29 29 29 29 29 30 30 30 30 30 31 31 31 31 31 31 31 31 31 31 32 32 32 33
# 33 33 33 33 34 34 34 34 34 34 34 35 35 35 35 35 36 36 36 36 36 36 36 36
# 36 37 37 37 37 37 37 37 37 37 37 38 38 38 38 38 38 38 38 38 39 39 39 39
# 39 39 39 39 39]
# haarcascade_frontalface_alt2 231
# [ 0 0 0 1 1 1 1 1 1 1 1 1 2 2 2 2 2 2 2 3 3 3 3 3
# 3 3 3 3 3 4 4 4 4 5 5 5 5 6 6 6 6 6 6 7 7 7 7 7
# 7 8 8 9 9 9 9 9 9 9 9 9 9 10 10 10 12 12 12 12 12 12 12 12
# 12 13 13 13 13 13 13 13 13 13 13 15 15 15 15 15 15 15 15 15 16 16 16 16
# 16 16 16 16 17 17 17 17 17 18 18 18 18 18 19 19 19 20 20 21 21 21 21 21
# 21 21 21 22 22 22 22 22 22 22 23 23 23 23 23 23 23 23 23 24 24 24 24 24
# 25 25 26 26 26 26 26 28 29 29 29 29 29 30 30 30 30 31 31 31 31 31 31 31
# 31 31 31 32 32 32 32 32 32 33 33 33 33 33 34 34 34 34 34 34 34 35 35 35
# 35 35 36 36 36 36 36 36 36 36 36 37 37 37 37 37 37 37 37 37 37 38 38 38
# 38 38 38 38 38 39 39 39 39 39 39 39 39 39]
# haarcascade_frontalface_default 264
# [ 0 0 0 0 0 1 1 1 1 1 1 1 1 2 2 2 2 2 2 2 2 2 2 3
# 3 3 3 3 3 3 4 4 4 4 4 4 5 5 5 5 5 5 5 5 5 5 6 6
# 6 6 6 6 6 7 7 7 7 7 7 7 8 8 9 9 9 9 9 9 9 9 9 9
# 10 10 10 10 10 12 12 12 12 12 12 12 12 12 12 13 13 13 13 13 13 13 13 13
# 13 14 14 14 14 14 14 14 15 15 15 15 15 15 16 16 16 16 16 16 16 16 16 17
# 17 17 17 17 18 18 18 18 18 19 19 19 19 19 19 19 19 19 19 20 20 20 20 20
# 20 21 21 21 21 21 21 22 22 22 22 23 23 23 23 23 23 23 24 24 24 24 24 25
# 25 25 25 26 26 26 26 26 26 26 26 26 29 29 29 29 29 29 29 30 30 30 30 30
# 30 30 31 31 31 31 31 31 31 31 31 32 32 32 32 33 33 33 33 33 33 33 33 34
# 34 34 34 34 34 34 35 35 35 35 35 36 36 36 36 36 36 36 36 36 37 37 37 37
# 37 37 37 37 37 37 38 38 38 38 38 38 38 38 38 39 39 39 39 39 39 39 39]
label = 0
# 遍历当前文件夹
for subdir in os.listdir(data):
print('processing ',subdir)
# 构造路径全链路
subpath = os.path.join(data, subdir)
# 如果是否文件夹
if os.path.isdir(subpath):
# 每个文件夹代表一个人，也就是构造人的姓名
names.append(subdir)
# 遍历文件夹中的图片文件
for filename in os.listdir(subpath):
imgpath = os.path.join(subpath, filename)
print('processing ', filename)
# 读取图片，并转换为灰度图片
# 灰度图片用于进行训练
# 构造图片和标签关系
img = cv2.imread(imgpath, cv2.IMREAD_COLOR)
gray_img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
faces = face_casecade.detectMultiScale(gray_img, 1.3, 5)
print('faces=',faces,'face num=',str(len(faces)))
for (x, y, w, h) in faces:
cv2.rectangle(img, (x, y), (x w, y h), (255, 0, 0), 2)
if (len(faces) > 0):
(x, y, w, h) = faces[0]
# 只返回图像的正面部分
images.append(gray_img[y:y w, x:x h])
labels.append(label)
cv2.imshow('img', img)
label = 1
# 将图片转换为易于操作的ndarray形式
images = np.asarray(images)
# 将标签转为numpy格式
labels = np.asarray(labels)
return images, labels, names
if __name__ == '__main__':
trainimage = 'C:\Python\Pycharm\docxprocess\picture\ORL\'
X, y, names = loadimageface(trainimage)从效果上cade_frontalface_default>haarcashaarcascade_frontalface_alt2>haarcascade_frontalface_alt>haarcascade_frontalface_alt_tree
这就比较尴尬了。。。到底选谁好呢？
说到底，Haar Cascade人脸分类器是入门级的人脸检测工具，只能用于好玩的测试，看样子只能用更加高级的工具了。
