遇到的問題：sudo?apt-get?install?python-imaging?

安裝過程中提示cache size空間不足。

解決：sudo apt-get clean ,然后sudo apt-get update,再次使用sudo apt-get install “需要安裝的文件”

@author:wepon

@blog:http://blog.csdn.net/u012162613/article/details/43523507

做人臉識(shí)別，首先要檢測出圖片/視頻中的人臉，今天就研究了一下OpenCV的Python接口，把常用的一些功能模塊寫成函數(shù)?；赑ython-OpenCV以及PIL，實(shí)現(xiàn)圖片中人臉的檢測以及截取保存、眼睛檢測、笑臉檢測。下面簡單總結(jié)一下。

一、軟件安裝

安裝Python-OpenCV以及其依賴庫、PIL，通過軟件包管理器安裝即可（Ubuntu系統(tǒng)）：

[python]?view plain?copy sudo?apt-get?install?libopencv-*?? sudo?apt-get?install?python-opencv?? sudo?apt-get?install?python-imaging??

安裝完后，在”/usr/share/opencv/haarcascades/”目錄下，可以看到很多的xml文件，如下圖。這些文件保存的就是訓(xùn)練好之后的haar特征，關(guān)于人臉檢測的haar分類器，推薦博文:《淺析人臉檢測之Haar分類器方法》、《目標(biāo)檢測的圖像特征提取之（三）Haar特征》。本文不闡述原理，只介紹怎么用這些xml文件來進(jìn)行人臉檢測。

二、python-opencv實(shí)現(xiàn)人臉檢測

人臉檢測

定義人臉檢測函數(shù)detectFaces()，檢測圖片中所有出現(xiàn)的人臉，并返回人臉的矩形坐標(biāo)（矩形左上、右下頂點(diǎn)坐標(biāo)）。使用上面提到的xml文件（haar特征），haarcascades目錄下有好幾個(gè)是關(guān)于人臉檢測的文件，這里選擇haarcascade_frontalface_default.xml，當(dāng)然也可以使用其他的。另外需要注意的是，必須以灰度圖作為haar分類器的輸入。

def?detectFaces(image_name):
????img?=?cv2.imread(image_name)
????face_cascade?=?cv2.CascadeClassifier("/usr/share/opencv/haarcascades/haarcascade_frontalface_default.xml")
????if?img.ndim?==?3:
????????gray?=?cv2.cvtColor(img,?cv2.COLOR_BGR2GRAY)
????else:
????????gray?=?img?#if語句：如果img維度為3，說明不是灰度圖，先轉(zhuǎn)化為灰度圖gray，如果不為3，也就是2，原圖就是灰度圖

????faces?=?face_cascade.detectMultiScale(gray,?1.2,?5)#1.3和5是特征的最小、最大檢測窗口，它改變檢測結(jié)果也會(huì)改變
????result?=?[]
????for?(x,y,width,height)?in?faces:
????????result.append((x,y,x+width,y+height))
????return?result

代碼很好理解，先加載xml文件生成級(jí)聯(lián)分類器face_cascade，然后用這個(gè)級(jí)聯(lián)分類器對(duì)灰度圖進(jìn)行檢測face_cascade.detectMultiScale(gray, 1.2, 5)，返回值即圖片中所有人臉的坐標(biāo)(x,y,w,h)，在上面的函數(shù)中，我們轉(zhuǎn)化了一下，使得函數(shù)返回的是人臉矩形的左上、右下頂點(diǎn)坐標(biāo)。（注：坐標(biāo)零點(diǎn)即原始圖像左上頂點(diǎn)，往下y增加，往右x增加）。

?

截取保存人臉圖

上面的detectFaces函數(shù)我們獲得了圖片中所有人臉的坐標(biāo)，在有些時(shí)候，我們希望把人臉截取出來，然后進(jìn)行下一步操作（比如做人臉身份識(shí)別、表情識(shí)別等），保存人臉圖的函數(shù)如下，使用了PIL的Image模塊：

def?saveFaces(image_name):
????faces?=?detectFaces(image_name)
????if?faces:
????????#將人臉保存在save_dir目錄下。
????????#Image模塊：Image.open獲取圖像句柄，crop剪切圖像(剪切的區(qū)域就是detectFaces返回的坐標(biāo))，save保存。
????????save_dir?=?image_name.split('.')[0]+"_faces"
????????os.mkdir(save_dir)
????????count?=?0
????????for?(x1,y1,x2,y2)?in?faces:
????????????file_name?=?os.path.join(save_dir,str(count)+".jpg")
????????????Image.open(image_name).crop((x1,y1,x2,y2)).save(file_name)
????????????count+=1

?

?

框出人臉

有些時(shí)候，為了展示或者方便觀察，需要在原始圖像上框出人臉，用矩形將人臉框出，這個(gè)功能的實(shí)現(xiàn)如下，主要用到PIL的ImageDraw模塊（另外，opencv也有畫矩形工具，也可以實(shí)現(xiàn)）：

#在原圖像上畫矩形，框出所有人臉。
#調(diào)用Image模塊的draw方法，Image.open獲取圖像句柄，ImageDraw.Draw獲取該圖像的draw實(shí)例，然后調(diào)用該draw實(shí)例的rectangle方法畫矩形(矩形的坐標(biāo)即
#detectFaces返回的坐標(biāo))，outline是矩形線條顏色(B,G,R)。
#注：原始圖像如果是灰度圖，則去掉outline，因?yàn)榛叶葓D沒有RGB可言。drawEyes、detectSmiles也一樣。
def?drawFaces(image_name):
????faces?=?detectFaces(image_name)
????if?faces:
????????img?=?Image.open(image_name)
????????draw_instance?=?ImageDraw.Draw(img)
????????for?(x1,y1,x2,y2)?in?faces:
????????????draw_instance.rectangle((x1,y1,x2,y2),?outline=(255,?0,0))
????????img.save('drawfaces_'+image_name)

好了，先看一下效果，運(yùn)行drawFaces(‘obama.jpg’)，得到右圖：

運(yùn)行saveFaces(‘obama.jpg’)，將在當(dāng)前目錄下生成一個(gè)文件夾，并保存上面框出來的人臉，當(dāng)然，有一些人臉沒被檢測出來，有些不是人臉被誤認(rèn)為人臉。

?

?

眼睛檢測

在haarcascades目錄下，也有一些關(guān)于眼睛檢測的xml文件?？梢韵窈瘮?shù)detectFaces()那樣，將檢測face的xml文件換成檢測eyes的xml文件即可。但是，由于眼睛在人臉上，我們往往是先檢測出人臉，再細(xì)入地檢測眼睛。故detectEyes可在detectFaces基礎(chǔ)上來進(jìn)行，代碼中需要注意“相對(duì)坐標(biāo)”。detectEyes()函數(shù)同樣返回所有eyes在原圖中的坐標(biāo)。

def?detectEyes(image_name):
????eye_cascade?=?cv2.CascadeClassifier('/usr/share/opencv/haarcascades/haarcascade_eye.xml')
????faces?=?detectFaces(image_name)

????img?=?cv2.imread(image_name)
????gray?=?cv2.cvtColor(img,?cv2.COLOR_BGR2GRAY)
????result?=?[]
????for?(x1,y1,x2,y2)?in?faces:
????????roi_gray?=?gray[y1:y2,?x1:x2]
????????eyes?=?eye_cascade.detectMultiScale(roi_gray,1.3,2)
????????for?(ex,ey,ew,eh)?in?eyes:
????????????result.append((x1+ex,y1+ey,x1+ex+ew,y1+ey+eh))
????return?result

?

?

框出眼睛

def?drawEyes(image_name):
????eyes?=?detectEyes(image_name)
????if?eyes:
????????img?=?Image.open(image_name)
????????draw_instance?=?ImageDraw.Draw(img)
????????for?(x1,y1,x2,y2)?in?eyes:
????????????draw_instance.rectangle((x1,y1,x2,y2),?outline=(0,?0,255))
????????img.save('draweyes_'+image_name)

運(yùn)行drawEyes(‘obama.jpg’)，看下效果，非常差：

?

?

?

笑臉檢測

def?detectSmiles(image_name):
????img?=?cv2.imread(image_name)
????smiles_cascade?=?cv2.CascadeClassifier("/usr/share/opencv/haarcascades/haarcascade_smile.xml")
????if?img.ndim?==?3:
????????gray?=?cv2.cvtColor(img,?cv2.COLOR_BGR2GRAY)
????else:
????????gray?=?img?#if語句：如果img維度為3，說明不是灰度圖，先轉(zhuǎn)化為灰度圖gray，如果不為3，也就是2，原圖就是灰度圖

????smiles?=?smiles_cascade.detectMultiScale(gray,4,5)
????result?=?[]
????for?(x,y,width,height)?in?smiles:
????????result.append((x,y,x+width,y+height))
????return?result

?

?

框出笑臉

def?drawSmiles(image_name):
????smiles?=?detectSmiles(image_name)
????if?smiles:
????????img?=?Image.open(image_name)
????????draw_instance?=?ImageDraw.Draw(img)
????????for?(x1,y1,x2,y2)?in?smiles:
????????????draw_instance.rectangle((x1,y1,x2,y2),?outline=(100,?100,0))
????????img.save('drawsmiles_'+image_name)

運(yùn)行drawSmiles(‘obama.jpg’)，看下效果，奧巴馬的眼睛會(huì)笑了：

?

?總之，利用opencv里訓(xùn)練好的haar特征的xml文件，在圖片上檢測出人臉（眼睛、鼻子、笑臉…）的坐標(biāo)，利用這個(gè)坐標(biāo)，我們可以將人臉區(qū)域剪切保存，也可以在原圖上將人臉框出。剪切保存人臉以及用矩形工具框出人臉，本程序使用的是PIL里的Image、ImageDraw模塊。此外也可以用opencv里的畫圖工具畫矩形。

?

代碼文件放在我的github上：wepe/OpenCV-demo/FaceDetection_python-opencv

參考：

1、OpenCV-Python Tutorials ? Object Detection ??Face Detection using Haar Cascades

2、?Python Imaging Library Handbook