使用 Python 和 OpenCV 探测图片上的人脸

本文介绍如何使用基于 Python 语言，使用 OpenCV 探测图片上的人脸，并把人脸图片裁切保存。

想法是这样的：识别一张图片(jpg或png格式)中的人脸,并把眼睛标记出来，如果识别出来了人脸了，就把这些人脸按照被发现的顺序，裁切保存为原图格式的小图。

环境

Windows 10+Python 3.x

准备

安装几个需要的 Python 库/包：

pip install opencv-python
pip install Pillow

1 2	pip install opencv-python pip install Pillow

第一个包用于人脸识别，第二个包用于把识别出来的人脸裁切并保存。

创建一个目录，最好是英文名称，比如 Face-Detection，在这个目录下创建个叫xml 的目录，里面放两个文件：

https://github.com/opencv/opencv/blob/master/data/haarcascades/haarcascade_frontalface_default.xml

https://github.com/opencv/opencv/blob/master/data/haarcascades/haarcascade_eye.xml

https://github.com/opencv/opencv/blob/master/data/haarcascades/haarcascade_frontalface_default.xml

https://github.com/opencv/opencv/blob/master/data/haarcascades/haarcascade_eye.xml

回到 Face-Detection 目录，使用搜索引擎，搜索"合影"，尽量选几张稍微大些的图，重命名为好输入的名字，比如 a.jpg, b.png。

代码

在 Face-Detection 目录下创建一个名字为 fb.py (Face Detection )的文件。把下面的代码粘贴进这个文件：

# -*- coding: utf-8 -*-
# @Author: suifengtec
# @Date:   2018-09-29 11:28:33
# @Last Modified by:    suifengtec
# @Last Modified time: 2018-09-29 12:31:30

import cv2
import sys
import os
from PIL import Image

# Face Detection
# 从jpg或png格式的图片中探测人脸,并裁切为相应格式的人脸小图,放在crops目录中。
#
#
# 使用方法:
# python fd.py [当前目录下的图片名称] [如果想直接看到标记好的大图,在这儿随意添加一个参数即可]
# 使用示例:
# python fd.py c.png
# python fd.py c.jpg
# python fd.py c.jpg 1


def isSupporttedImgExt(imgName):

    portion = os.path.splitext(imgName)
    if portion[1] == '.jpg':
        return '.jpg'
    elif portion[1] == '.JPG':
        return '.JPG'
    elif portion[1] == '.JPEG':
        return '.JPEG'
    elif portion[1] == '.png':
        return '.png'
    elif portion[1] == '.PNG':
        return '.PNG'
    else:
        return False


# 用于截取图上的人脸,并把裁切所得的相应格式的小图,按照人脸被发现的顺序,放在crops目录中
# 如原图名称为 c.png,如果发现有5张人脸,将会生成c_X.png,x等于1,2,3,4,5
# 这五张小图放在工作目录下的crops目录中。
def cutImg(thisDir, imgName, id, x, y, w, h):

    imgPath = os.path.join(thisDir, imgName)
    if os.path.exists(imgPath) != True:
        print('cutImg:没找到要被裁切文件.')
        return
    ext = isSupporttedImgExt(imgName)
    name = imgName.replace(ext, '_'+str(id)+ext)
    # 裁切后的目录名称,它在thisDir下面。
    cropImgDirName = 'crops'
    cropImgDir = os.path.join(thisDir, cropImgDirName)
    cropedImgName = os.path.join(cropImgDir, name)
    # 存在同名的文件,目前的策略是,返回吧,不再生成,生产中,应考虑这一点,这只是测试...
    if os.path.exists(cropedImgName) == True:
        return
    if os.path.exists(cropImgDir) != True:
        os.mkdir(cropImgDir)
    elif os.path.isdir(cropImgDir) != True:
        os.mkdir(cropImgDir)

    # 打开特定图片,裁切后保存
    Image.open(imgPath).crop((x, y, (x+w), (y+h))).save(cropedImgName)


def main(args):
    # 获取用户从命令行输入的参数
    imgName = args[0]
    if isSupporttedImgExt(imgName) == False:
        print('不支持这种文件!')
        return 0
    thisDir = os.getcwd()
    imgPath = os.path.join(thisDir, imgName)
    if os.path.exists(imgPath) != True:
        print('main:没找到要探测的文件.')
        return
    cascDir = os.path.join(thisDir, "xml")
    cascFaceFile = os.path.join(cascDir, "haarcascade_frontalface_default.xml")
    cascEyeFile = os.path.join(cascDir, "haarcascade_eye.xml")

    if os.path.exists(cascFaceFile) != True:
        print('main:没找到cascFile.')
        return
    if os.path.exists(cascEyeFile) != True:
        print('main:没找到cascEyeFile.')
        return
    faceCascade = cv2.CascadeClassifier(cascFaceFile)
    eyeCascade = cv2.CascadeClassifier(cascEyeFile)
    # CV2读图
    img = cv2.imread(imgPath)
    gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

    # 检测图上的人脸数量
    faces = faceCascade.detectMultiScale(gray, 1.3, 5, minSize=(30, 30))

    print("找到{0} 张人脸!".format(len(faces)))

    # 给发现的人脸,画一个绿色的方框,并打印出相应的坐标和宽高,然后裁切保存。
    detectedId = 0
    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, 1.1, 5, minSize=(6, 6))
        for (ex, ey, ew, eh) in eyes:
            cv2.rectangle(roi_color, (ex, ey), (ex+ew, ey+eh), (0, 255, 0), 2)
        print("x={0},y={1},dx={2},dy={3}".format(x, y, w, h))
        detectedId = detectedId+1
        cutImg(thisDir, imgName, detectedId, x, y, w, h)

    if len(args) > 1:
        cv2.imshow("Face Detect: {0}".format(len(faces)), img)
        c = cv2.waitKey(0)
        if 'q' == chr(c & 255):
           cv2.destroyAllWindows()
    else:
        # cv2.waitKey(0)
        cv2.destroyAllWindows()


if __name__ == '__main__':
    main(sys.argv[1:])

100

101

102

103

104

105

106

107

108

109

110

111

112

113

114

115

116

117

118

119

120

121

122

123

124

# -*- coding: utf-8 -*-

# @Author: suifengtec

# @Date: 2018-09-29 11:28:33

# @Last Modified by: suifengtec

# @Last Modified time: 2018-09-29 12:31:30

import cv2

import sys

import os

from PIL import Image

# Face Detection

# 从jpg或png格式的图片中探测人脸,并裁切为相应格式的人脸小图,放在crops目录中。

# 使用方法:

# python fd.py [当前目录下的图片名称] [如果想直接看到标记好的大图,在这儿随意添加一个参数即可]

# 使用示例:

# python fd.py c.png

# python fd.py c.jpg

# python fd.py c.jpg 1

def isSupporttedImgExt(imgName):

portion = os.path.splitext(imgName)

if portion[1] == '.jpg':

return '.jpg'

elif portion[1] == '.JPG':

return '.JPG'

elif portion[1] == '.JPEG':

return '.JPEG'

elif portion[1] == '.png':

return '.png'

elif portion[1] == '.PNG':

return '.PNG'

else:

return False

# 用于截取图上的人脸,并把裁切所得的相应格式的小图,按照人脸被发现的顺序,放在crops目录中

# 如原图名称为 c.png,如果发现有5张人脸,将会生成c_X.png,x等于1,2,3,4,5

# 这五张小图放在工作目录下的crops目录中。

def cutImg(thisDir, imgName, id, x, y, w, h):

imgPath = os.path.join(thisDir, imgName)

if os.path.exists(imgPath) != True:

print('cutImg:没找到要被裁切文件.')

return

ext = isSupporttedImgExt(imgName)

name = imgName.replace(ext, '_'+str(id)+ext)

# 裁切后的目录名称,它在thisDir下面。

cropImgDirName = 'crops'

cropImgDir = os.path.join(thisDir, cropImgDirName)

cropedImgName = os.path.join(cropImgDir, name)

# 存在同名的文件,目前的策略是,返回吧,不再生成,生产中,应考虑这一点,这只是测试...

if os.path.exists(cropedImgName) == True:

return

if os.path.exists(cropImgDir) != True:

os.mkdir(cropImgDir)

elif os.path.isdir(cropImgDir) != True:

os.mkdir(cropImgDir)

# 打开特定图片,裁切后保存

Image.open(imgPath).crop((x, y, (x+w), (y+h))).save(cropedImgName)

def main(args):

# 获取用户从命令行输入的参数

imgName = args[0]

if isSupporttedImgExt(imgName) == False:

print('不支持这种文件!')

return 0

thisDir = os.getcwd()

imgPath = os.path.join(thisDir, imgName)

if os.path.exists(imgPath) != True:

print('main:没找到要探测的文件.')

return

cascDir = os.path.join(thisDir, "xml")

cascFaceFile = os.path.join(cascDir, "haarcascade_frontalface_default.xml")

cascEyeFile = os.path.join(cascDir, "haarcascade_eye.xml")

if os.path.exists(cascFaceFile) != True:

print('main:没找到cascFile.')

return

if os.path.exists(cascEyeFile) != True:

print('main:没找到cascEyeFile.')

return

faceCascade = cv2.CascadeClassifier(cascFaceFile)

eyeCascade = cv2.CascadeClassifier(cascEyeFile)

# CV2读图

img = cv2.imread(imgPath)

gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# 检测图上的人脸数量

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

print("找到{0} 张人脸!".format(len(faces)))

# 给发现的人脸,画一个绿色的方框,并打印出相应的坐标和宽高,然后裁切保存。

detectedId = 0

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, 1.1, 5, minSize=(6, 6))

for (ex, ey, ew, eh) in eyes:

cv2.rectangle(roi_color, (ex, ey), (ex+ew, ey+eh), (0, 255, 0), 2)

print("x={0},y={1},dx={2},dy={3}".format(x, y, w, h))

detectedId = detectedId+1

cutImg(thisDir, imgName, detectedId, x, y, w, h)

if len(args) > 1:

cv2.imshow("Face Detect: {0}".format(len(faces)), img)

c = cv2.waitKey(0)

if 'q' == chr(c & 255):

cv2.destroyAllWindows()

else:

# cv2.waitKey(0)

cv2.destroyAllWindows()

if __name__ == '__main__':

main(sys.argv[1:])

现在，Face-Detection 目录里，应该有这些文件了：

python-opencv-face-detection-0

测试

假如你的 Face-Detection 目录中已经有个叫 c.jpg 的某些人的合影，那就可以在Face-Detection 目录中使用下面任意一条命令来进行人脸探测了:

python fd.py c.jpg
python fd.py c.jpg 1

1 2	python fd.py c.jpg python fd.py c.jpg 1

如上所示，在图片名称后面任意加一个参数的话，会看到 Python 使用 OpenCV 标记好的大图，如果没有这个附加参数的话，那就不会看到这个标记好的大图。

有没有额外参数，都会把探测到的人脸，按照发现的顺序，裁切后保存在 Face-Detection 目录下的 crops 目录中，如下所示：

python-opencv-face-detection

python-opencv-face-detection-2

上图中的人像来自搜索引擎搜索出来的一张合影照片，如侵权，请凭证联系我。

加上额外参数后，会看到标记好人脸和眼睛的大图，如下所示(所示为部分截图):

python-opencv-face-detection-3

人脸的识别还是准确的，眼睛的识别，不是太准确，不过关系不是太大了。

环境

准备

代码

测试

相关文章