本篇介绍在人脸检测的基础上对眼睛进行检测。下面这个分类器用于检测眼睛。
cv2.CascadeClassifier('./cascades/haarcascade_eye.xml')
除非是外星人,眼睛通常不会跑到脸部以外。所以我们只需在人脸矩形框的范围内检测眼睛。
以下图为例,我们想以红色矩形标记脸部区域,蓝色矩形标记眼睛区域。
import cv2
import numpy as np
from matplotlib import pyplot as plt
def detect(img):
gray =cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
front_face_cascade = cv2.CascadeClassifier('./cascades/haarcascade_frontalface_default.xml')#检测正脸
faces0 = front_face_cascade.detectMultiScale(gray, 1.1, 6)
print("共检测到%d张人的正脸" %len(faces0))
eye_cascade = cv2.CascadeClassifier('./cascades/haarcascade_eye.xml')#检测眼睛
for (x, y, w, h) in faces0:
eye_detected = False
print(w,h)
face_area = gray[y: y+h, x: x+w] # (疑似)人脸区域
#eyes = eye_cascade.detectMultiScale(face_area, 1.03, 5, 0, (40,40)) #在人脸区域检测眼睛
eyes = eye_cascade.detectMultiScale(face_area, 1.03, 5, 0)#在人脸区域检测眼睛
for (ex,ey,ew,eh) in eyes:
print(" ",ew,eh)
#if ew/w > 0.18:
cv2.rectangle(img, (x+ex,y+ey),(x+ex+ew, y+ey+eh), (255,0,0),2) #画蓝色色矩形框标记正脸
eye_detected = True
#if eye_detected: #排除掉检测不到眼睛的 疑似人脸区域
cv2.rectangle(img, (x,y), (x+w,y+h), (0,0,255), 2) #画红色矩形框标记正脸
return img
img0= cv2.imread("face.png")
img = detect(img0)
plt.subplot(1,1,1)
plt.imshow(cv2.cvtColor(img, cv2.COLOR_BGR2RGB))
plt.title("OpenCV 人脸检测",fontSize =16, color="b")
plt.show()
检测结果如下:
我们发现对于上图,人脸和眼睛的检测都产生了假阳性。花朵被检测成了人脸,鼻子和嘴巴被误认为是眼睛。
我们可以做简单合理的假设,只有检测出眼睛的疑似人脸区域才能被检测为人脸,只有尺寸适中、位置偏人脸上部的疑似眼睛区域才能被识别成眼睛。按照上述原则我们对代码进行优化:
def detect(img):
gray =cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
front_face_cascade = cv2.CascadeClassifier('./cascades/haarcascade_frontalface_default.xml')#检测正脸
faces0 = front_face_cascade.detectMultiScale(gray, 1.025, 5)
eye_cascade = cv2.CascadeClassifier('./cascades/haarcascade_eye.xml')#检测眼睛
n =0
for (x, y, w, h) in faces0:
eye_detected = False
face_area = gray[y: y+h, x: x+w] # (疑似)人脸区域
#eyes = eye_cascade.detectMultiScale(face_area, 1.03, 5, 0, (40,40)) #在人脸区域检测眼睛
quasi_eyes = eye_cascade.detectMultiScale(face_area, 1.03, 5, 0)#在人脸区域检测眼睛
if len(quasi_eyes) ==0: continue
quasi_eyes = tuple(filter(lambda x : x[2]/w>0.18, quasi_eyes)) # ex,ey,ew,eh; ew/w>0.18 #尺寸过滤
if len(quasi_eyes) <2 : continue
eyes = sorted(quasi_eyes, key=operator.itemgetter(1), reverse = False) # 排序,为了取ey最小的(顶部的)两只疑似眼睛
ex,ey,ew,eh = eyes[0]
cv2.rectangle(img, (x+ex,y+ey),(x+ex+ew, y+ey+eh), (255,0,0),2) #画蓝色色矩形框标记第1只眼睛
ex,ey,ew,eh = eyes[1]
cv2.rectangle(img, (x+ex,y+ey),(x+ex+ew, y+ey+eh), (255,0,0),2) #画蓝色色矩形框标记第2只眼睛
eye_detected = True
if eye_detected: #排除掉检测不到眼睛的 疑似人脸区域
cv2.rectangle(img, (x,y), (x+w,y+h), (0,0,255), 2) #画红色矩形框标记正脸
n += 1
print("共检测到%d张人的正脸" % n)
return img
两只眼睛一张脸,嗯,效果还不错。
我们可以做更多的测试:
红姑是侧脸,没检测出来也符合代码的逻辑。
有人说人是从猴子变的,看来也不是没有道理。。。
但是戴上眼镜,程序就认不出了。很好解决,我们换个眼睛检测的分类器即可:
eye_cascade = cv2.CascadeClassifier('./cascades/haarcascade_eye_tree_eyeglasses.xml')#检测眼睛(可戴眼镜)
下面两个分类器可以单独检测图像的右眼和左眼,用法相同,不再赘述。
eye_cascade = cv2.CascadeClassifier('./cascades/haarcascade_righteye_2splits.xml')#检测右边的眼睛(人物左眼)
eye_cascade = cv2.CascadeClassifier('./cascades/haarcascade_lefteye_2splits.xml')#检测左边的眼睛(人物右眼)
本文分享自 Python可视化编程机器学习OpenCV 微信公众号,前往查看
如有侵权,请联系 cloudcommunity@tencent.com 删除。
本文参与 腾讯云自媒体同步曝光计划 ,欢迎热爱写作的你一起参与!