人臉檢測¶
概要¶
不知道從什么時候開始，學習OpenCV首先學習人臉檢測，變成了一個傳統。
在本節課，首先介紹一下人臉檢測在日常生活中的廣泛應用，然后講解人臉檢測與人臉識別的區別， 接下來會教大家通過OpenCV內置的人臉檢測模型，實時的在畫面中繪制人臉所在的位置。
關注微信公眾號1Z實驗室， 回復關鍵詞
人臉檢測， 獲取文稿鏈接與實驗代碼。
keywords 人臉檢測 OpenCV
目錄¶
人臉檢測在生活中的應用¶
人臉識別在我們生活中的應用越來越廣泛。
你可以掃臉解鎖手機，掃臉支付，可以掃臉開門，人臉變成了一個人非常重要的生物信息。
所以在這期教程， 阿凱會帶大家用OpenCV實現人臉檢測。
其實這個也1Z, 在OpenCV里面對這個算法封裝的足夠友好，核心代碼不過兩行而已。
所以對初學者來講，學習人臉檢測會讓你信心滿滿。
人臉檢測與人臉識別¶
在開始講解人臉檢測之前，先幫大家解析經常被搞混的兩個概念人臉檢測 vs 人臉識別
注意??！ 大家經常會搞混的概念：
分清楚這兩個概念的不同
簡單來講，他們的核心區別在于：
-
哪有臉？人臉檢測 （是在圖像中定位人臉區域的過程）
-
臉是誰？人臉識別 （分類檢測這個臉是誰）
一種是把人臉檢測獲得的人臉區域，在已知人臉庫進行比對
另外一種是針對人臉圖像特征，提取特征值。特征值數組 用來標識人臉信息。后者更實用。
從順序來講，先進行人臉檢測，然后再進行人臉識別。
那我們今天就先來講講如何使用OpenCV進行人臉檢測。
關于HaarCascade¶
OpenCV中人臉識別是通過Haar特征的級聯分類器實現，在本期教程里面，我們暫不涉及太多底層算法原理部分的講解。
實際上OpenCV里面有很多預先訓練好的HaarCascade模型(XML文件) , 例如正臉檢測， 眼睛檢測， 全身檢測，下半身檢測等。
在OpenCV的兩個代碼倉庫里面都有。
數據1: opencv/data/cascades
數據2: opencv_contrib/modules/face/data/cascades
級聯分類器的使用方法¶
通過FaceCascade模型， 輸入圖片， 我們可以獲取人臉所在區域的矩形位置。
模型的使用方法比較簡單， 首先要載入對應的HaarCascade文件， 文件格式為xml。 這里為了方便大家使用， 我已經將文件下載到了haar文件夾下， 可以通過相對路徑進行引用。
├── FaceDetection-v1.py ├── FaceDetection-v2.py ├── face.mp4 ├── face.png ├── haar ?? ├── haarcascade_eye.xml ?? └── haarcascade_frontalface_default.xml
我們在CascadeClassifier中傳入對應HaarCascade文件
# 載入人臉檢測的Cascade模型 FaceCascade = cv2.CascadeClassifier('./haar/haarcascade_frontalface_default.xml')
輸入 Input
接下來就是將圖片的灰度圖傳入到這個FaceCascade模型中， 進行人臉檢測。
# 檢測畫面中的人臉 faces = FaceCascade.detectMultiScale(gray)
輸出 Output
返回的faces是人臉所在區域的ROI數組， 例如：
[(x1, y1, w1, h1), (x2, y2, w2, h2)]
當然， 你可以設定不同的參數，例如設定縮放因子， 設置最小鄰居閾值。
# 檢測畫面中的人臉 faces = FaceCascade.detectMultiScale( gray, scaleFactor=1.1, minNeighbors=5 )
參數的具體含義與使用方法見OpenCV的官方API文檔 :
OpenCV官方文檔： cascadeclassifier-detectmultiscale
ROI 的全稱是Region Of Interest , 用于表示在畫面的子區域。整個畫面的原點（0,0） ， 在整個畫面中的左上角。 ROI 本質上是Tuple類型的數據，其中（x,y）代表人臉所在矩形區域的左上角坐標， w 代表矩形的寬度， h代表矩形的高度。
人臉檢測的效果演示¶
人臉檢測-V1¶
從圖片中讀入圖片，識別人臉，并在圖片中標識人臉所在的矩形區域。
人臉檢測-V2¶
這個是阿凱放的是人臉識別v2版的效果演示， 里面用到了兩個HaarCascade模型， 一個是識別人臉的模型， 另外一個是識別眼睛的模型。
程序流程講解¶
雖然我們是基礎入門教程，但是不會在視頻里面詳細講解各個API。
訪問 github.com/1zlab 查看1Z實驗室出品的OpenCV入門教程 ， 這里為大家準備了自助餐式的教程， 查閱目錄，根據自己的需求自由學習OpenCV基礎。 例如如何配置OpenCV的開發環境， 如何使用HighGUI寫上位機，如何使用Draw模塊進行畫圖， 如何讀入視頻流， 這些都可以在文檔中找到。
雖然在python -opencv里面，只需要導入cv2 模塊，但是實際上cv2 是由若干個模塊構成的， python-opencv只不過是屏蔽掉了這些細節。
人臉識別v1的代碼里面核心三個主要模塊 HighGUI 上位機部分， Draw 繪圖模塊， CascadeClassifier 級聯分類器。的
程序大致的流程如下：
-
HighGUI讀入圖片， 并轉換為灰度圖 -
CascadeClassifier載入 人臉檢測的級聯模型（xml）文件 -
CascadeClassifier使用模型檢測灰度圖中的人臉，返回faces -
Draw遍歷faces，在彩圖上繪制人臉的矩形區域 -
HighGUI創建一個窗口叫做Face -
HighGUI在窗口Face中展示圖像（繪制人臉矩形區域后的） -
HighGUI等待任意按鍵按下 -
HighGUI退出程序，關閉所有的窗口
FaceDetection-v1.py
# -*- coding:utf-8 -*- ''' 人臉識別FaceDetection 通過HaarCascade模型，進行人臉識別與眼睛識別，在視頻流中繪制矩形，標識人臉 ''' import cv2 # 設置圖片路徑 img_path = 'face.png' # 載入帶有人臉的圖片 img = cv2.imread(img_path) if img is None: # 判斷圖片是否讀入正確 print("ERROR：請檢查圖片路徑") exit(1) # 將彩色圖片轉換為灰度圖 gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) # 載入人臉檢測的Cascade模型 FaceCascade = cv2.CascadeClassifier('./haar/haarcascade_frontalface_default.xml') # 檢測畫面中的人臉 faces = FaceCascade.detectMultiScale( gray, scaleFactor=1.1, minNeighbors=5 ) # 遍歷返回的face數組 for face in faces: # 解析tuple類型的face位置數據 # (x, y): 左上角坐標值 # w: 人臉矩形區域的寬度 # h: 人臉矩形區域的高度 (x, y, w, h) = face # 在原彩圖上繪制矩形 cv2.rectangle(img, (x, y), (x+w, y+h), (0, 255, 0), 4) # 創建一個窗口 名字叫做Face cv2.namedWindow('Face',flags=cv2.WINDOW_NORMAL | cv2.WINDOW_KEEPRATIO | cv2.WINDOW_GUI_EXPANDED) # 在窗口Face上面展示圖片img cv2.imshow('Face', img) # 等待任意按鍵按下 cv2.waitKey(0) # 關閉所有的窗口 cv2.destroyAllWindows()
思考題¶
看似簡單的人臉識別，在實際項目中，有很多的處理追蹤問題的算法可以講。 今天阿凱拋出的問題是：如何提高人臉識別的速度？
歡迎在視頻下方留言參與討論， 期待你可以動手改進算法， 留言里可以放你改進后代碼的github鏈接。
溫馨小提示（不要局限于這兩條）
縮小檢索范圍， 在上一幀人臉所在矩形周圍尋找。
縮放，在低分辨率下檢索，然后逐步精確位置。
人臉追蹤的項目預告¶
在一開始的課程導引中，我們也提到了， 結合機器人與計算機視覺是我們課程的一大特色。 既然我們學會了人臉檢測，那么為啥不用它來搞點事情： 我們要結合二自由度云臺實現人臉檢測與追蹤。
項目的大致思路是檢測畫面中的人臉，根據人臉偏移畫面中心的位置，調整舵機的角度。
我們下期視頻教程就帶大家完成這個項目。
推廣¶
關注微信公眾號1Z實驗室， 回復關鍵詞人臉檢測， 獲取文稿鏈接與實驗代碼。
