OpenCV 人脸侦测

这篇教学会介绍使用 OpenCV，搭配官方提供的人脸特征模型，侦测图像中的人脸，并透过绘制形状的方式，使用方框标记侦测到的人脸，实现类似 AI 图像辨识的效果。

快速导览：

• 下载人脸特征模型
• 侦测图像中的人脸
• 即时侦测影片中的人脸

因为程序中的 OpenCV 会需要使用镜头或 GPU，所以请使用本机环境 ( 参考：使用 Python 虚拟环境 ) 或使用 Anaconda Jupyter 进行实作 ( 参考：使用 Anaconda ) ，并安装 OpenCV 函数库 ( 参考：OpenCV 函数库 )。

下载人脸特征模型

OpenCV 的官方 Github 提供了许多训练好的特征模型，只需要下载后就能使用，请从下方网址进行下载，下载后将 xml 文件和 Python 的程序档放在同一层目录下。

• OpenCV 官方 Github：https://github.com/opencv/opencv/tree/4.x/data
• 人脸特征模型：haarcascade_frontalface_default.xml

侦测图像中的人脸

OpenCV 里的 CascadeClassifier() 方法 ( 级联分类器 )，可以根据所提供的模型文件，判断某个事件是否属于某种结果，例如侦测人脸，如果图像中符合模型所定义的人脸属性，就会出现这个人脸对应的属性 ( 座标、尺寸...等 )。

使用 CascadeClassifier() 后，会再透过 detectMultiScale() 进行侦测，如果侦测到脸，就会将侦测到的属性输出 ( 串列与字典形式 )，相关用法如下：

face_cascade = cv2.CascadeClassifier("haarcascade_frontalface_default.xml")
# 設定集聯分類器為人臉的模型 ( haarcascade_frontalface_default.xml )

faces = face_cascade.detectMultiScale(img, scaleFactor, minNeighbors, flags, minSize, maxSize)
# 偵測並取出相關屬性
# img 來源影像，建議使用灰階影像
# scaleFactor 前後兩次掃瞄偵測畫面的比例係數，預設 1.1
# minNeighbors 構成檢測目標的相鄰矩形的最小個數，預設 3
# flags 通常不用設定，若設定 CV_HAAR_DO_CANNY_PRUNING 會使用 Canny 邊緣偵測，排除邊緣過多或過少的區域
# minSize, maxSize 限制目標區域的範圍，通常不用設定

下方的例子执行后，会侦测蒙娜丽莎的人脸，并透过绘制形状的方式，使用方框标记侦测到的人脸，如果有发生侦测到不是人脸的形状 ( 例如钮扣和阴影组合成很像人脸的 )，可以调整 scaleFactor 和 minNeighbors 参数再重新侦测。

参考：cvtcolor() 色彩转换、rectangle() 画四边形、for 循环

import cv2
img = cv2.imread('mona.jpg')
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)   # 將圖片轉成灰階

face_cascade = cv2.CascadeClassifier("haarcascade_frontalface_default.xml")   # 載入人臉模型
faces = face_cascade.detectMultiScale(gray)    # 偵測人臉

for (x, y, w, h) in faces:
    cv2.rectangle(img, (x, y), (x+w, y+h), (0, 255, 0), 2)    # 利用 for 迴圈，抓取每個人臉屬性，繪製方框

cv2.imshow('oxxostudio', img)
cv2.waitKey(0) # 按下任意鍵停止
cv2.destroyAllWindows()

如果有多张人脸，也可以顺利侦测并标记 ( 图片为 Fusilamientos de Torrijos y sus compañeros en las playas de Málaga )。

即时侦测影片中的人脸

延伸“读取并播放影片”文章的范例，搭配人脸侦测的方法，就可以即时侦测摄影镜头里的人脸。

import cv2
cap = cv2.VideoCapture(0)
face_cascade = cv2.CascadeClassifier("haarcascade_frontalface_default.xml")
faces = face_cascade.detectMultiScale(gray)
if not cap.isOpened():
    print("Cannot open camera")
    exit()
while True:
    ret, frame = cap.read()
    if not ret:
        print("Cannot receive frame")
        break
    frame = cv2.resize(frame,(540,320))              # 縮小尺寸，避免尺寸過大導致效能不好
    gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)   # 將鏡頭影像轉換成灰階
    faces = face_cascade.detectMultiScale(gray)      # 偵測人臉
    for (x, y, w, h) in faces:
        cv2.rectangle(frame, (x, y), (x+w, y+h), (0, 255, 0), 2)   # 標記人臉
    cv2.imshow('oxxostudio', frame)
    if cv2.waitKey(1) == ord('q'):
        break
cap.release()
cv2.destroyAllWindows()

参考数据

• CascadeClassifier()
• detectMultiScale()

意见反馈