python3深度学习/机器学习图像识别：OpenCV之级联分类器CascadeClassifier

秒速五厘米 2022-03-18 03:42 639阅读 0赞

# 1.理论说明 #

> Haar-like矩形特征是用于物体检测的数字图像特征。这类矩形特征模板由两个或多个全等的黑白矩形相邻组合而成，而矩形特征值是白色矩形的灰度值的和减去黑色矩形的灰度值的和，矩形特征对一些简单的图形结构，如线段、边缘比较敏感。如果把这样的矩形放在一个非人脸区域，那么计算出的特征值应该和人脸特征值不一样，所以这些矩形就是为了把人脸特征量化，以区分人脸和非人脸。
> 
> 以Haar特征分类器为基础的对象检测技术是一种非常有效的对象检测技术。它是基于机器学习的，使用大量的正负样本训练得到分类器。

# 2.重点函数 #

> cv2.**CascadeClassifier**(path): 加载训练好的人脸识别分类器xml文件
> 
> cv2.CascadeClassifier(path).**detectMultiScale**(image, scaleFactor, minNeighbors): 检测并返回图像中的人脸矩阵列表
> 
> s.**join**(iterator): 以为分隔符链接迭代器中元素
> 
> shutil.**move**(src, dst, copy\_function=copy2)：将图像src移动到dst,相当于linux中的mv命令

# 3.程序 #

def readPicSaveFace(sourcePath, targetPath, invalidPath, *suffix):
        """
        从源路径中读取所有图片放入一个list，然后逐一进行检查，把其中的脸扣下来，存储到目标路径中
        :param sourcePath: 源路径
        :param targetPath: 目标路径
        :param invalidPath: 未识别出脸的图片存放路径
        :param suffix: 图片格式
        :return:
        """
        try:
            # 获取图片绝对路径
            ImagePaths = getAllPath(sourcePath, *suffix)
    
            count = 1
    
            # 加载人脸识别分类器
            # haarcascade_frontalface_alt.xml为库训练好的分类器文件，下载opencv，安装目录中可找到
            face_cascade = cv2.CascadeClassifier(r'E:\a_test\haarcascade_frontalface_alt2.xml')
    
            for imagePath in ImagePaths:
                img = cv2.imread(imagePath, cv2.IMREAD_GRAYSCALE)
                if type(img) != str:
                    # 检测并返回图像中的人脸矩阵列表
                    # 矩形区域左顶点对应x和y, 矩形区域的宽w, 矩形区域的高h
                    faces = face_cascade.detectMultiScale(img, 1.01, 8)
    
                    if len(faces):
                        for (x, y, w, h) in faces:
                            # 检查人脸像素，去除小于80像素的人脸
                            if w >= 80 and h >= 80:
                                # 生成文件名
                                listStr = [str(int(time.time())), str(count)]
                                fileName = '_'.join(listStr)  # s.join(iterator):以为分隔符链接迭代器中元素
    
                                # 扩大图片，可根据坐标调整
                                # img.shape[0]:height
                                # img.shape[1]:width
                                X = int(x * 0.5)
                                W = min(int((x + w) * 1.2), img.shape[1])
                                Y = int(y * 0.3)
                                H = min(int((y + h) * 1.4), img.shape[0])
    
                                # 重构矩形图片，并存储
                                f = cv2.resize(img[Y:H, X:W], (W - X, H - Y))
                                cv2.imwrite(targetPath + os.sep + '%s.jpg' % fileName, f)
                                count += 1
                                print(imagePath + "have face")
                    else:
                        # 将未检测到人脸的图片移出
                        shutil.move(imagePath, invalidPath)
        except IOError:
            print("Error")
    
        else:
            print('Find ' + str(count - 1) + ' faces to Destination ' + targetPath)

# 4.完整人脸识别并扣取的程序 #

# ! /usr/bin/env python
    # coding:utf-8
    # python interpreter:3.6.2
    # author: admin_maxin
    # !/usr/bin/env python
    # -*-coding:utf8-*-
    import os
    import cv2
    import time
    import shutil
    
    
    def getAllPath(dirpath, *suffix):
        """
        获取文件夹下各图片路径
        :param dirpath: 文件路径
        :param suffix:  图片格式
        :return:
        """
        PathArray = []
    
        # 遍历文件树
        for r, ds, fs in os.walk(dirpath):
            # 生成文件绝对路径
            for fn in fs:
                if os.path.splitext(fn)[1] in suffix:
                    fname = os.path.join(r, fn)
                    PathArray.append(fname)
        return PathArray
    
    
    def readPicSaveFace(sourcePath, targetPath, invalidPath, *suffix):
        """
        从源路径中读取所有图片放入一个list，然后逐一进行检查，把其中的脸扣下来，存储到目标路径中
        :param sourcePath: 源路径
        :param targetPath: 目标路径
        :param invalidPath: 未识别出脸的图片存放路径
        :param suffix: 图片格式
        :return:
        """
        try:
            # 获取图片绝对路径
            ImagePaths = getAllPath(sourcePath, *suffix)
    
            count = 1
    
            # 加载人脸识别分类器
            # haarcascade_frontalface_alt.xml为库训练好的分类器文件，下载opencv，安装目录中可找到
            face_cascade = cv2.CascadeClassifier(r'E:\a_test\haarcascade_frontalface_alt2.xml')
    
            for imagePath in ImagePaths:
                img = cv2.imread(imagePath, cv2.IMREAD_GRAYSCALE)
                if type(img) != str:
                    # 检测并返回图像中的人脸矩阵列表
                    # 矩形区域左顶点对应x和y, 矩形区域的宽w, 矩形区域的高h
                    faces = face_cascade.detectMultiScale(img, 1.01, 8)
    
                    if len(faces):
                        for (x, y, w, h) in faces:
                            # 检查人脸像素，去除小于80像素的人脸
                            if w >= 80 and h >= 80:
                                # 生成文件名
                                listStr = [str(int(time.time())), str(count)]
                                fileName = '_'.join(listStr)  # s.join(iterator):以为分隔符链接迭代器中元素
    
                                # 扩大图片，可根据坐标调整
                                # img.shape[0]:height
                                # img.shape[1]:width
                                X = int(x * 0.5)
                                W = min(int((x + w) * 1.2), img.shape[1])
                                Y = int(y * 0.3)
                                H = min(int((y + h) * 1.4), img.shape[0])
    
                                # 重构矩形图片，并存储
                                f = cv2.resize(img[Y:H, X:W], (W - X, H - Y))
                                cv2.imwrite(targetPath + os.sep + '%s.jpg' % fileName, f)
                                count += 1
                                print(imagePath + "have face")
                    else:
                        # 将未检测到人脸的图片移出
                        shutil.move(imagePath, invalidPath)
        except IOError:
            print("Error")
    
        else:
            print('Find ' + str(count - 1) + ' faces to Destination ' + targetPath)
    
    
    if __name__ == '__main__':
        invalidPath = r'E:\a_test\haveNoPeople'
        sourcePath = r'E:\a_test\data'
        targetPath = r'E:\a_test\faceOfPeople'
        readPicSaveFace(sourcePath, targetPath, invalidPath, '.jpg', '.JPG', '.png', '.PNG')