1. sudo apt-get install libopencv-*  
2. sudo apt-get install python-opencv  
3. sudo apt-get install python-imaging  

• 人臉檢測(cè)

定義人臉檢測(cè)函數(shù)detectFaces()，檢測(cè)圖片中所有出現(xiàn)的人臉，并返回人臉的矩形坐標(biāo)（矩形左上、右下頂點(diǎn)坐標(biāo)）。使用上面提到的xml文件（haar特征），haarcascades目錄下有好幾個(gè)是關(guān)于人臉檢測(cè)的文件，這里選擇haarcascade_frontalface_default.xml，當(dāng)然也可以使用其他的。另外需要注意的是，必須以灰度圖作為haar分類器的輸入。

def detectFaces(image_name):
    img = cv2.imread(image_name)
    face_cascade = cv2.CascadeClassifier("/usr/share/opencv/haarcascades/haarcascade_frontalface_default.xml")
    if img.ndim == 3:
        gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    else:
        gray = img #if語(yǔ)句：如果img維度為3，說(shuō)明不是灰度圖，先轉(zhuǎn)化為灰度圖gray，如果不為3，也就是2，原圖就是灰度圖

    faces = face_cascade.detectMultiScale(gray, 1.2, 5)#1.3和5是特征的最小、最大檢測(cè)窗口，它改變檢測(cè)結(jié)果也會(huì)改變
    result = []
    for (x,y,width,height) in faces:
        result.append((x,y,x+width,y+height))
    return result

代碼很好理解，先加載xml文件生成級(jí)聯(lián)分類器face_cascade，然后用這個(gè)級(jí)聯(lián)分類器對(duì)灰度圖進(jìn)行檢測(cè)face_cascade.detectMultiScale(gray, 1.2, 5)，返回值即圖片中所有人臉的坐標(biāo)(x,y,w,h)，在上面的函數(shù)中，我們轉(zhuǎn)化了一下，使得函數(shù)返回的是人臉矩形的左上、右下頂點(diǎn)坐標(biāo)。（注：坐標(biāo)零點(diǎn)即原始圖像左上頂點(diǎn)，往下y增加，往右x增加）。

• 截取保存人臉圖

上面的detectFaces函數(shù)我們獲得了圖片中所有人臉的坐標(biāo)，在有些時(shí)候，我們希望把人臉截取出來(lái)，然后進(jìn)行下一步操作（比如做人臉身份識(shí)別、表情識(shí)別等），保存人臉圖的函數(shù)如下，使用了PIL的Image模塊：

def saveFaces(image_name):
    faces = detectFaces(image_name)
    if faces:
        #將人臉保存在save_dir目錄下。
        #Image模塊：Image.open獲取圖像句柄，crop剪切圖像(剪切的區(qū)域就是detectFaces返回的坐標(biāo))，save保存。
        save_dir = image_name.split(''.'')[0]+"_faces"
        os.mkdir(save_dir)
        count = 0
        for (x1,y1,x2,y2) in faces:
            file_name = os.path.join(save_dir,str(count)+".jpg")
            Image.open(image_name).crop((x1,y1,x2,y2)).save(file_name)
            count+=1

• 框出人臉

有些時(shí)候，為了展示或者方便觀察，需要在原始圖像上框出人臉，用矩形將人臉框出，這個(gè)功能的實(shí)現(xiàn)如下，主要用到PIL的ImageDraw模塊（另外，opencv也有畫(huà)矩形工具，也可以實(shí)現(xiàn)）：

#在原圖像上畫(huà)矩形，框出所有人臉。
#調(diào)用Image模塊的draw方法，Image.open獲取圖像句柄，ImageDraw.Draw獲取該圖像的draw實(shí)例，然后調(diào)用該draw實(shí)例的rectangle方法畫(huà)矩形(矩形的坐標(biāo)即
#detectFaces返回的坐標(biāo))，outline是矩形線條顏色(B,G,R)。
#注：原始圖像如果是灰度圖，則去掉outline，因?yàn)榛叶葓D沒(méi)有RGB可言。drawEyes、detectSmiles也一樣。
def drawFaces(image_name):
    faces = detectFaces(image_name)
    if faces:
        img = Image.open(image_name)
        draw_instance = ImageDraw.Draw(img)
        for (x1,y1,x2,y2) in faces:
            draw_instance.rectangle((x1,y1,x2,y2), outline=(255, 0,0))
        img.save(''drawfaces_''+image_name)

好了，先看一下效果，運(yùn)行drawFaces(‘obama.jpg’)，得到右圖：

運(yùn)行saveFaces(‘obama.jpg’)，將在當(dāng)前目錄下生成一個(gè)文件夾，并保存上面框出來(lái)的人臉，當(dāng)然，有一些人臉沒(méi)被檢測(cè)出來(lái)，有些不是人臉被誤認(rèn)為人臉。

• 眼睛檢測(cè)

在haarcascades目錄下，也有一些關(guān)于眼睛檢測(cè)的xml文件?？梢韵窈瘮?shù)detectFaces()那樣，將檢測(cè)face的xml文件換成檢測(cè)eyes的xml文件即可。但是，由于眼睛在人臉上，我們往往是先檢測(cè)出人臉，再細(xì)入地檢測(cè)眼睛。故detectEyes可在detectFaces基礎(chǔ)上來(lái)進(jìn)行，代碼中需要注意“相對(duì)坐標(biāo)”。detectEyes()函數(shù)同樣返回所有eyes在原圖中的坐標(biāo)。

def detectEyes(image_name):
    eye_cascade = cv2.CascadeClassifier(''/usr/share/opencv/haarcascades/haarcascade_eye.xml'')
    faces = detectFaces(image_name)

    img = cv2.imread(image_name)
    gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    result = []
    for (x1,y1,x2,y2) in faces:
        roi_gray = gray[y1:y2, x1:x2]
        eyes = eye_cascade.detectMultiScale(roi_gray,1.3,2)
        for (ex,ey,ew,eh) in eyes:
            result.append((x1+ex,y1+ey,x1+ex+ew,y1+ey+eh))
    return result

• 框出眼睛

def drawEyes(image_name):
    eyes = detectEyes(image_name)
    if eyes:
        img = Image.open(image_name)
        draw_instance = ImageDraw.Draw(img)
        for (x1,y1,x2,y2) in eyes:
            draw_instance.rectangle((x1,y1,x2,y2), outline=(0, 0,255))
        img.save(''draweyes_''+image_name)

運(yùn)行drawEyes(‘obama.jpg’)，看下效果，非常差：

• 笑臉檢測(cè)

def detectSmiles(image_name):
    img = cv2.imread(image_name)
    smiles_cascade = cv2.CascadeClassifier("/usr/share/opencv/haarcascades/haarcascade_smile.xml")
    if img.ndim == 3:
        gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    else:
        gray = img #if語(yǔ)句：如果img維度為3，說(shuō)明不是灰度圖，先轉(zhuǎn)化為灰度圖gray，如果不為3，也就是2，原圖就是灰度圖

    smiles = smiles_cascade.detectMultiScale(gray,4,5)
    result = []
    for (x,y,width,height) in smiles:
        result.append((x,y,x+width,y+height))
    return result

• 框出笑臉

def drawSmiles(image_name):
    smiles = detectSmiles(image_name)
    if smiles:
        img = Image.open(image_name)
        draw_instance = ImageDraw.Draw(img)
        for (x1,y1,x2,y2) in smiles:
            draw_instance.rectangle((x1,y1,x2,y2), outline=(100, 100,0))
        img.save(''drawsmiles_''+image_name)

運(yùn)行drawSmiles(‘obama.jpg’)，看下效果，奧巴馬的眼睛會(huì)笑了：

 總之，利用opencv里訓(xùn)練好的haar特征的xml文件，在圖片上檢測(cè)出人臉（眼睛、鼻子、笑臉…）的坐標(biāo)，利用這個(gè)坐標(biāo)，我們可以將人臉區(qū)域剪切保存，也可以在原圖上將人臉框出。剪切保存人臉以及用矩形工具框出人臉，本程序使用的是PIL里的Image、ImageDraw模塊。此外也可以用opencv里的畫(huà)圖工具畫(huà)矩形。

代碼文件放在我的github上：wepe/OpenCV-demo/FaceDetection_python-opencv

參考：

1、OpenCV-Python Tutorials ? Object Detection ? Face Detection using Haar Cascades

2、 Python Imaging Library Handbook