基于树莓派opencv—Python的人脸面部特征框选（眼睛和微笑）

广西●河池学院

广西高校重点实验室培训基地

系统控制与信息处理重点实验室

本篇博客来自河池学院: 智控无人机小组

写作时间: 2020年8月16日

一、测试相机

在树莓派上新建一个.py文件，将以下代码放入运行。

import numpy as np
import cv2

cap = cv2.VideoCapture(0)
cap.set(3,640) # 宽
cap.set(4,480) # 高
 
while(True):
    ret, frame = cap.read()
    frame = cv2.flip(frame, -1) # 相机垂直翻转
    gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
    
    cv2.imshow('frame', frame)
    cv2.imshow('gray', gray)
    
    k = cv2.waitKey(30) & 0xff
    if k == 27: # press 'ESC' to quit
        break

cap.release()
cv2.destroyAllWindows()

效果为：

如果产生画面翻转的现象将 代码中
frame = cv2.flip(frame, -1)替换为frame = cv2.flip(frame, 1)即可。

二、脸部侦测

检测人脸（或任何物体）的最常见方法是使用“ Haar Cascade分类器 ”使用基于Haar特征的级联分类器的对象检测是Paul Viola和Michael Jones在其论文“使用简单特征的增强级联进行快速对象检测”中于2001年提出的一种有效的对象检测方法。这是一种基于机器学习的方法，其中从许多正负图像中训练级联函数。然后用于检测其他图像中的对象。
如果想要为任何物体训练自己的分类器，就可以使用opencv自己建一个，详细信息在下面网址
https://docs.opencv.org/3.3.0/dc/d88/tutorial_traincascade.html
如果不想创建自己的分类器，OpenCV已经包含许多针对面部，眼睛，微笑等的经过预先训练的分类器。可以从haarcascades目录中招待这些XML文件并调用。
检测人脸：

import numpy as np
import cv2

# multiple cascades: https://github.com/Itseez/opencv/tree/master/data/haarcascades
faceCascade = cv2.CascadeClassifier('Cascades/haarcascade_frontalface_default.xml')
eyeCascade = cv2.CascadeClassifier('Cascades/haarcascade_eye.xml')
smileCascade = cv2.CascadeClassifier('Cascades/haarcascade_smile.xml')

cap = cv2.VideoCapture(0)
cap.set(3,640) # set Width
cap.set(4,480) # set Height

while True:
    ret, img = cap.read()
    img = cv2.flip(img, -1)
    gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    faces = faceCascade.detectMultiScale(
        gray,
        scaleFactor=1.3,
        minNeighbors=5,      
        minSize=(30, 30)
    )

    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]
        
        eyes = eyeCascade.detectMultiScale(
            roi_gray,
            scaleFactor= 1.5,
            minNeighbors=5,
            minSize=(5, 5),
            )
        
        for (ex, ey, ew, eh) in eyes:
            cv2.rectangle(roi_color, (ex, ey), (ex + ew, ey + eh), (0, 255, 0), 2)
               
        
        smile = smileCascade.detectMultiScale(
            roi_gray,
            scaleFactor= 1.5,
            minNeighbors=15,
            minSize=(25, 25),
            )
        
        for (xx, yy, ww, hh) in smile:
            cv2.rectangle(roi_color, (xx, yy), (xx + ww, yy + hh), (0, 255, 0), 2)
        
        cv2.imshow('video', img)

    k = cv2.waitKey(30) & 0xff
    if k == 27: # press 'ESC' to quit
        break

cap.release()
cv2.destroyAllWindows()

注意下面这行代码

faceCascade = cv2.CascadeClassifier（'Cascades / haarcascade_frontalface_default.xml'）

这是加载“分类器”的行，也就是我们调用opencv本身含有的预先训练的分类器。（眼睛和微笑同理）

faces = faceCascade.detectMultiScale(
        gray,
        scaleFactor=1.3,
        minNeighbors=5,      
        minSize=(30, 30)
    )

这是分类器函数可以设置比例因子，邻居数和所要检测面部的最小尺寸。
gray：是输入的灰度图像。
scaleFactor：是一个参数，用于指定每个图像比例缩小多少图像。它用于创建比例金字塔。
minNeighbors：是一个参数，用于指定每个候选矩形要保留多少个邻居。数字越大，误报率越低。
minSize：是被视为面的最小矩形大小。
用蓝色矩形在图像中“标记”面部，代码如下（眼睛和微笑同理）：

   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]

如果找到了脸部，则将检测到的脸部的位置返回为矩形，其矩形的左上角（x，y），宽度为“ w”，高度为“ h” ==>（x，y，w， H）。
一旦获得这些位置，就可以为该面部创建一个“ ROI”（绘制的矩形），并使用imshow（）函数显示结果。