基于树莓派opencv—Python的人脸面部特征框选（眼睛和微笑）

微整形手术通常用于修复或改善面部特征，如隆鼻、隆下巴或眼部轮廓。 #生活知识# #科技生活# #健康生活技巧# #微整形手术#

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()

123456789101112131415161718192021

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()

12345678910111213141516171819202122232425262728293031323334353637383940414243444546474849505152535455565758

注意下面这行代码

faceCascade = cv2.CascadeClassifier（'Cascades / haarcascade_frontalface_default.xml'） 1

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) ) 123456

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] 1234

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。

网址：基于树莓派opencv—Python的人脸面部特征框选（眼睛和微笑） https://www.yuejiaxmz.com/news/view/284250

相关内容

【计算机视觉】基于Python—OpenCV的手势识别详解（一）
基于树莓派的智能家居控制系统设计论文参考
开源树莓派+OAK相机，打造家庭自动化系统。
树莓派入门攻略：轻松学会用Python脚本开启智能生活！
树莓派打造智能语音控制系统
Python从0到100（七十三）：Python OpenCV
基于opencv,使用python提取视频帧以及提取TVL1光流
树莓派控制语音控制舵机
树莓派选购与使用指南，资深网购达人的经验分享
创意生活 ＋关注 已有 28 人关注 发表新帖

随便看看