基于OpenCV haarcascades的对象检测

OpenCV：https://github.com/opencv/opencv

haarcascades - 该文件夹包含经过训练的用于检测对象的特定类型的分类器，例如 人脸（正面、侧面）、行人等。一些分类器有一个特殊的许可证请查看文件以获取详细信息。
OpenCV已经包含许多用于面部，眼睛，笑脸等的预先分类器。这些XML文件存储在opencv/data/haarcascades/文件夹中

OpenCV随附教练机和探测器。如果你想为汽车，飞机等任何物体训练你自己的分类器，你可以使用OpenCV创建一个。它的全部细节在这里给出：级联分类器培训。
https://docs.opencv.org/2.4/doc/user_guide/ug_traincascade.html

# openCV 常用用法

# 导入opencv库
import os
import cv2


# 识别图片中的人脸：使用 haarcascade_frontalface_default.xml
def face_detect(img_path):
    # 初始化模型
    detector = cv2.CascadeClassifier('../haarcascades/haarcascade_frontalface_default.xml')
    # 初始化窗口
    cv2.namedWindow('image', cv2.WINDOW_AUTOSIZE)
    # 读取图片
    img = cv2.imread(img_path)
    # 显示图片
    # cv2.imshow('image', img)
    # 转换为灰度图
    img_gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    # 人脸检测
    dets = detector.detectMultiScale(img_gray, 1.1, 5)
    # 获取人脸框
    faces = []
    for i, d in enumerate(dets):
        x1 = d[0] if d[0] > 0 else 0
        y1 = d[1] if d[1] > 0 else 0
        x2 = d[0] + d[2] if d[0] + d[2] > 0 else 0
        y2 = d[1] + d[3] if d[1] + d[3] > 0 else 0
    # 显示人脸框
    cv2.rectangle(img, (x1, y1), (x2, y2), (0, 255, 0), 2)
    # 保存图片
    cv2.imwrite('../result/face_detect_1.jpg', img)
    # 显示图片标记人脸框
    # cv2.imshow('image', img)
    # 等待关闭窗口
    # cv2.waitKey(0)


# 人眼检测：使用 haarcascade_eye_tree_eyeglasses.xml
def eye_detect(img_path):
    # 初始化模型
    detector = cv2.CascadeClassifier('../haarcascades/haarcascade_eye_tree_eyeglasses.xml')
    # 初始化窗口
    cv2.namedWindow('image', cv2.WINDOW_AUTOSIZE)
    # 读取图片
    img = cv2.imread(img_path)
    # 显示图片
    # cv2.imshow('image', img)
    # 转换为灰度图
    img_gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    # 人眼检测
    dets = detector.detectMultiScale(img_gray, 1.1, 5)
    # 获取人眼框
    faces = []
    for i, d in enumerate(dets):
        x1 = d[0] if d[0] > 0 else 0
        y1 = d[1] if d[1] > 0 else 0
        x2 = d[0] + d[2] if d[0] + d[2] > 0 else 0
        y2 = d[1] + d[3] if d[1] + d[3] > 0 else 0
    # 显示人脸框
    cv2.rectangle(img, (x1, y1), (x2, y2), (0, 255, 0), 2)
    # 保存图片
    cv2.imwrite('../result/eye_detect_1.jpg', img)
    # 显示图片标记人脸框
    cv2.imshow('image', img)
    # 等待关闭窗口
    cv2.waitKey(0)


def eye_detect_save(img_path, filename):
    # 初始化模型
    detector = cv2.CascadeClassifier('../haarcascades/haarcascade_eye_tree_eyeglasses.xml')
    # 读取图片
    img = cv2.imread(img_path)
    # 转换为灰度图
    img_gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    # 人眼检测
    dets = detector.detectMultiScale(img_gray, 1.1, 5)
    # 获取人眼框
    faces = []
    for i, d in enumerate(dets):
        x1 = d[0] if d[0] > 0 else 0
        y1 = d[1] if d[1] > 0 else 0
        x2 = d[0] + d[2] if d[0] + d[2] > 0 else 0
        y2 = d[1] + d[3] if d[1] + d[3] > 0 else 0
    # 显示人脸框
    cv2.rectangle(img, (x1, y1), (x2, y2), (0, 255, 0), 2)
    # 保存图片
    save_path = '../result/' + filename
    cv2.imwrite(save_path, img)


# 人眼检测：使用 haarcascade_eye.xml
def eye_detect_2(img_path):
    # 初始化模型
    detector = cv2.CascadeClassifier('../haarcascades/haarcascade_eye.xml')
    # 初始化窗口
    cv2.namedWindow('image', cv2.WINDOW_AUTOSIZE)
    # 读取图片
    img = cv2.imread(img_path)
    # 显示图片
    # cv2.imshow('image', img)
    # 转换为灰度图
    img_gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    # 人眼检测
    dets = detector.detectMultiScale(img_gray, 1.1, 5)
    # 获取人眼框
    faces = []
    for i, d in enumerate(dets):
        x1 = d[0] if d[0] > 0 else 0
        y1 = d[1] if d[1] > 0 else 0
        x2 = d[0] + d[2] if d[0] + d[2] > 0 else 0
        y2 = d[1] + d[3] if d[1] + d[3] > 0 else 0
    # 显示人脸框
    cv2.rectangle(img, (x1, y1), (x2, y2), (0, 255, 0), 2)
    # 保存图片
    cv2.imwrite('../result/eye_detect2_1.jpg', img)
    # 显示图片标记人脸框
    cv2.imshow('image', img)
    # 等待关闭窗口
    cv2.waitKey(0)


# 肖像检测：haarcascade_profileface.xml
def profile_face(img_path):
    # 初始化模型
    detector = cv2.CascadeClassifier('../haarcascades/haarcascade_profileface.xml')
    # 初始化窗口
    cv2.namedWindow('image', cv2.WINDOW_AUTOSIZE)
    # 读取图片
    img = cv2.imread(img_path)
    # 显示图片
    # cv2.imshow('image', img)
    # 转换为灰度图
    img_gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    # 人眼检测
    dets = detector.detectMultiScale(img_gray, 1.1, 5)
    # 获取人眼框
    faces = []
    for i, d in enumerate(dets):
        x1 = d[0] if d[0] > 0 else 0
        y1 = d[1] if d[1] > 0 else 0
        x2 = d[0] + d[2] if d[0] + d[2] > 0 else 0
        y2 = d[1] + d[3] if d[1] + d[3] > 0 else 0
    # 显示人脸框
    cv2.rectangle(img, (x1, y1), (x2, y2), (0, 255, 0), 2)
    # 保存图片
    cv2.imwrite('../result/profile_face_6.jpg', img)
    # 显示图片标记人脸框
    cv2.imshow('image', img)
    # 等待关闭窗口
    cv2.waitKey(0)


# 微笑检测：haarcascade_smile.xml
def smile_detect(img_path):
    # 初始化模型
    detector = cv2.CascadeClassifier('../haarcascades/haarcascade_smile.xml')
    # 初始化窗口
    cv2.namedWindow('image', cv2.WINDOW_AUTOSIZE)
    # 读取图片
    img = cv2.imread(img_path)
    # 显示图片
    # cv2.imshow('image', img)
    # 转换为灰度图
    img_gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    # 人眼检测
    dets = detector.detectMultiScale(img_gray, 1.1, 5)
    # 获取人眼框
    faces = []
    for i, d in enumerate(dets):
        x1 = d[0] if d[0] > 0 else 0
        y1 = d[1] if d[1] > 0 else 0
        x2 = d[0] + d[2] if d[0] + d[2] > 0 else 0
        y2 = d[1] + d[3] if d[1] + d[3] > 0 else 0
    # 显示人脸框
    cv2.rectangle(img, (x1, y1), (x2, y2), (0, 255, 0), 2)
    # 保存图片
    cv2.imwrite('../result/smile_detect_1.jpg', img)
    # 显示图片标记人脸框
    cv2.imshow('image', img)
    # 等待关闭窗口
    cv2.waitKey(0)


if __name__ == '__main__':
    print('PyCharm')
    # face_detect('../face/face01.jpg')
    # eye_detect('../face/face01.jpg')
    # eye_detect_2('../face/face01.jpg')
    # profile_face('../face/face06.jpg')
    # smile_detect('../face/face08.jpg')
    # 遍历face文件夹 输出 人眼检测 输出 标记到 result文件夹
    for dirpath, dirnames, filenames in os.walk('../face'):
        for filename in filenames:
            print(os.path.join(dirpath, filename))
            eye_detect_save(os.path.join(dirpath, filename), filename)