人脸检测¶

概要¶

人脸检测

不知道从什么时候开始，学习OpenCV首先学习人脸检测，变成了一个传统。
在本节课，首先介绍一下人脸检测在日常生活中的广泛应用，然后讲解人脸检测与人脸识别的区别，接下来会教大家通过OpenCV内置的人脸检测模型，实时的在画面中绘制人脸所在的位置。

关注微信公众号1Z实验室，回复关键词人脸检测，获取文稿链接与实验代码。

keywords 人脸检测 OpenCV

目录¶

人脸检测在生活中的应用¶

人脸识别在我们生活中的应用越来越广泛。

人脸识别应用

你可以扫脸解锁手机，扫脸支付，可以扫脸开门，人脸变成了一个人非常重要的生物信息。

所以在这期教程，阿凯会带大家用OpenCV实现人脸检测。

其实这个也1Z, 在OpenCV里面对这个算法封装的足够友好，核心代码不过两行而已。

所以对初学者来讲，学习人脸检测会让你信心满满。

人脸检测与人脸识别¶

人脸检测vs人脸识别

在开始讲解人脸检测之前，先帮大家解析经常被搞混的两个概念人脸检测 vs 人脸识别
注意！！大家经常会搞混的概念：
分清楚这两个概念的不同

简单来讲，他们的核心区别在于：

哪有脸？人脸检测（是在图像中定位人脸区域的过程）
脸是谁？人脸识别（分类检测这个脸是谁）

一种是把人脸检测获得的人脸区域，在已知人脸库进行比对

另外一种是针对人脸图像特征，提取特征值。特征值数组用来标识人脸信息。后者更实用。

从顺序来讲，先进行人脸检测，然后再进行人脸识别。

那我们今天就先来讲讲如何使用OpenCV进行人脸检测。

关于HaarCascade¶

OpenCV中人脸识别是通过Haar特征的级联分类器实现，在本期教程里面，我们暂不涉及太多底层算法原理部分的讲解。

实际上OpenCV里面有很多预先训练好的HaarCascade模型(XML文件) , 例如正脸检测，眼睛检测，全身检测，下半身检测等。

在OpenCV的两个代码仓库里面都有。

数据1: opencv/data/cascades

opencv_cascade_1

数据2: opencv_contrib/modules/face/data/cascades

opencv_cascade_2

级联分类器的使用方法¶

通过FaceCascade模型，输入图片，我们可以获取人脸所在区域的矩形位置。

模型的使用方法比较简单，首先要载入对应的HaarCascade文件，文件格式为xml。这里为了方便大家使用，我已经将文件下载到了haar文件夹下，可以通过相对路径进行引用。

├── FaceDetection-v1.py
├── FaceDetection-v2.py
├── face.mp4
├── face.png
├── haar
    ├── haarcascade_eye.xml
    └── haarcascade_frontalface_default.xml

我们在CascadeClassifier中传入对应HaarCascade文件

# 载入人脸检测的Cascade模型
FaceCascade = cv2.CascadeClassifier('./haar/haarcascade_frontalface_default.xml')

输入 Input

接下来就是将图片的灰度图传入到这个FaceCascade模型中，进行人脸检测。

# 检测画面中的人脸
faces = FaceCascade.detectMultiScale(gray)

输出 Output
返回的faces是人脸所在区域的ROI数组，例如：

[(x1, y1, w1, h1), (x2, y2, w2, h2)]

当然，你可以设定不同的参数，例如设定缩放因子，设置最小邻居阈值。

# 检测画面中的人脸
faces = FaceCascade.detectMultiScale(
    gray,
    scaleFactor=1.1,
    minNeighbors=5
)

参数的具体含义与使用方法见OpenCV的官方API文档 :

OpenCV官方文档： cascadeclassifier-detectmultiscale

ROI 的全称是Region Of Interest , 用于表示在画面的子区域。整个画面的原点（0,0） ，在整个画面中的左上角。 ROI 本质上是Tuple类型的数据，其中（x,y）代表人脸所在矩形区域的左上角坐标， w 代表矩形的宽度， h代表矩形的高度。

人脸检测的效果演示¶

人脸检测-V1¶

从图片中读入图片，识别人脸，并在图片中标识人脸所在的矩形区域。

face-detection-result

人脸检测-V2¶

这个是阿凯放的是人脸识别v2版的效果演示，里面用到了两个HaarCascade模型，一个是识别人脸的模型，另外一个是识别眼睛的模型。

人脸检测效果演示

程序流程讲解¶

虽然我们是基础入门教程，但是不会在视频里面详细讲解各个API。

1zlab

访问 github.com/1zlab 查看1Z实验室出品的OpenCV入门教程，这里为大家准备了自助餐式的教程，查阅目录，根据自己的需求自由学习OpenCV基础。例如如何配置OpenCV的开发环境，如何使用HighGUI写上位机，如何使用Draw模块进行画图，如何读入视频流，这些都可以在文档中找到。

虽然在python -opencv里面，只需要导入cv2 模块，但是实际上cv2 是由若干个模块构成的， python-opencv只不过是屏蔽掉了这些细节。

人脸识别v1的代码里面核心三个主要模块 HighGUI 上位机部分， Draw 绘图模块， CascadeClassifier 级联分类器。的

程序大致的流程如下：

HighGUI 读入图片，并转换为灰度图
CascadeClassifier 载入人脸检测的级联模型（xml）文件
CascadeClassifier 使用模型检测灰度图中的人脸，返回faces
Draw 遍历faces，在彩图上绘制人脸的矩形区域
HighGUI创建一个窗口叫做Face
HighGUI 在窗口Face中展示图像（绘制人脸矩形区域后的）
HighGUI 等待任意按键按下
HighGUI 退出程序，关闭所有的窗口

FaceDetection-v1.py

# -*- coding:utf-8 -*-
'''
人脸识别FaceDetection
通过HaarCascade模型，进行人脸识别与眼睛识别，在视频流中绘制矩形，标识人脸
'''
import cv2

# 设置图片路径
img_path = 'face.png'
# 载入带有人脸的图片
img = cv2.imread(img_path)
if img is None:
    # 判断图片是否读入正确
    print("ERROR：请检查图片路径")
    exit(1)
# 将彩色图片转换为灰度图
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)


# 载入人脸检测的Cascade模型
FaceCascade = cv2.CascadeClassifier('./haar/haarcascade_frontalface_default.xml')

# 检测画面中的人脸
faces = FaceCascade.detectMultiScale(
    gray,
    scaleFactor=1.1,
    minNeighbors=5
)

# 遍历返回的face数组
for face in faces:
    # 解析tuple类型的face位置数据
    # (x, y): 左上角坐标值
    # w: 人脸矩形区域的宽度
    # h: 人脸矩形区域的高度
    (x, y, w, h) = face
    # 在原彩图上绘制矩形
    cv2.rectangle(img, (x, y), (x+w, y+h), (0, 255, 0), 4)

# 创建一个窗口 名字叫做Face
cv2.namedWindow('Face',flags=cv2.WINDOW_NORMAL | cv2.WINDOW_KEEPRATIO | cv2.WINDOW_GUI_EXPANDED)

# 在窗口Face上面展示图片img
cv2.imshow('Face', img)
# 等待任意按键按下
cv2.waitKey(0)
# 关闭所有的窗口
cv2.destroyAllWindows()