OpenCV人脸识别
目标方案
在树莓派上，PiCamera获得视频流，OpenCV识别， 然后用mjpg-streamer内发布http的视频流服务。
本篇文章主要记录OpenCV人脸识别实现的细节。
OpenCV的人脸识别基础
人脸识别的技术门槛应该很低了，而且是AI技术中成熟度比较高的应用之一。现在很多好用的API，这里用到OpenCV的开源实现。
import cv2
face_patterns = cv2.CascadeClassifier('/usr/local/opt/opencv3/share/OpenCV/haarcascades/haarcascade_frontalface_default.xml')
sample_image = cv2.imread('/Users/abel/201612.jpg')
faces = face_patterns.detectMultiScale(sample_image,scaleFactor=1.1,minNeighbors=5,minSize=(100, 100))
for (x, y, w, h) in faces:
cv2.rectangle(sample_image, (x, y), (x+w, y+h), (0, 255, 0), 2)
cv2.imwrite('/Users/abel/201612_detected.png', sample_image);
上述代码就是使用OpenCV识别一副图片中的多个人脸。代码来源于这个blog， 参数是个比较重要的东西，要知道每个参数对应的效果。
视频流中的OpenCV人脸识别
这里是使用OpenCV的cascade识别人脸和眼睛，并用颜色框标识出来。OpenCV会自动调用电脑的摄像头，因此确保摄像头可用。
import numpy as np
import cv2
face_cascade = cv2.CascadeClassifier('D:\\bms\\workspace\\PythonProjects\\OpenCVDemo\\haarcascade_frontalface_default.xml')
eye_cascade = cv2.CascadeClassifier('D:\\bms\\workspace\\PythonProjects\\OpenCVDemo\\haarcascade_eye.xml')
cap = cv2.VideoCapture(0)
while(True):
ret, img = cap.read()
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
faces = face_cascade.detectMultiScale(gray, 1.3, 5)
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 = eye_cascade.detectMultiScale(roi_gray)
for (ex, ey, ew, eh) in eyes:
cv2.rectangle(roi_color, (ex, ey), (ex+ew, ey+eh), (0, 255, 0), 2)
cv2.imshow('frame', img)
if cv2.waitKey(30) & 0xFF == ord('q'):
break
cap.release()
cv2.destroyAllWindows()
这里说一下，haar_cascade_xxx.xml是个Haar分类器进行识别的参数。可以从OpenCV的源码里找到基本的（人脸 眼睛之类）分类器参数。使用的时候需要下载到本地。
Haar分类器的原理之后再详细研究总结一下。
好了，现在将一开始的图片中检测人脸的代码优化一下，加入额外功能：
#!/usr/bin/python
'''
used for detect face on one image
Usage: python detect_face.py -i <inputfile> -o <outputfile>
'''
import cv2 as cv
import os, sys, getopt
def detect_face(infile, outfile):
if not os.path.exists(infile):
print("Please give input file!")
return
if not os.path.exists('haarcascade_frontalface_default.xml'):
print("Please put haarcascade_frontalface_default.xml in current dir")
return
infile_path = os.path.abspath(infile)
image = cv.imread(infile_path, 1)
gray = cv.imread(infile_path, 0)
haarcascade_frontalface_path = os.path.abspath('haarcascade_frontalface_default.xml')
face_cascade = cv.CascadeClassifier(haarcascade_frontalface_path)
faces = face_cascade.detectMultiScale(gray, 1.1, 5)
for (x, y, w, h) in faces:
cv.rectangle(image, (x, y), (x+w, y+h), (255, 0, 0), 2)
cv.imwrite(outfile, image)
def main(argv):
infile = 'input.jpg'
outfile = 'output.jpg'
try:
opts, args = getopt.getopt(argv, "hi:o:")
except getopt.GetoptError:
print("detect_face.py -i <inputfile> -o <outputfile>")
sys.exit(2)
for opt, arg in opts:
if opt == '-h':
print("detect_face.py -i <inputfile> -o <outputfile>")
sys.exit()
elif opt == '-i':
infile = arg
elif opt == '-o':
outfile = arg
detect_face(infile, outfile)
if __name__ == "__main__":
main(sys.argv[1:])
这样就可以使用shell调用人脸识别的功能了。
