python opencv 人体/人脸识别简单演示

import cv2 import sys, os # 判断框中框 def is_inside(o, i): ox, oy, ow, oh = o ix, iy, iw, ih = i return ox > ix and oy > iy and ox + ow < ix + iw and oy + oh < iy + ih # 框出人 传入图片 矩形参数 BGR def draw_person(image, person, bgr): x, y, w, h = person cv2.rectangle(image, (x, y), (x + w, y + h), bgr, 2) # 筛选识别出的人矩形数据 def screen_found(found): for ri, r in enumerate(found): for qi, q, in enumerate(found): if ri != qi and is_inside(r, q): break else: found_filtered.append(r) # 等比缩放 参考：https://blog.****.net/JulyLi2019/article/details/120720752 def resize_keep_aspectratio(image_src, dst_size): src_h, src_w = image_src.shape[:2] # print(src_h, src_w) dst_h, dst_w = dst_size # 判断应该按哪个边做等比缩放 h = dst_w * (float(src_h) / src_w) # 按照ｗ做等比缩放 w = dst_h * (float(src_w) / src_h) # 按照h做等比缩放 h = int(h) w = int(w) if h <= dst_h: image_dst = cv2.resize(image_src, (dst_w, int(h))) else: image_dst = cv2.resize(image_src, (int(w), dst_h)) h_, w_ = image_dst.shape[:2] # print(h_, w_) print('等比缩放完毕') return image_dst # cascade图片人体识别和绘制边框 参数 需要识别的图片 输出绘制的图片 xml路径 bgr颜色 目标的最小尺寸 目标的最大尺寸 def cascade_img_person_detect_draw(src_img, dst_img, xml_path, bgr, min_size, max_size): detector = cv2.CascadeClassifier(xml_path) # image表示的是要检测的输入图像 # objects表示检测到的人脸目标序列 # scaleFactor表示每次图像尺寸减小的比例 # minNeighbors表示每一个目标至少要被检测到3次才算是真的目标(因为周围的像素和不同的窗口大小都可以检测到人脸) # flag 对于旧级联具有与函数cvHaarDetectObjects相同的含义。它不用于新的级联。 # minSize为目标的最小尺寸 # maxSize为目标的最大尺寸 # found = detector.detectMultiScale(src_img) found = detector.detectMultiScale(src_img, 1.1, 3, cv2.CASCADE_SCALE_IMAGE, (0, 0), (500, 500)) # 筛选识别出的人矩形数据 screen_found(found) for person in found_filtered: draw_person(dst_img, person, bgr) found_filtered.clear() print(xml_path + " 识别出:" + str(len(found)) + "个结果。") # 参考文章：https://blog.****.net/www_16302_com/article/details/103817612 # cascade视频人体识别和绘制边框 参数 需要识别的视频路径 xml路径 bgr颜色 目标的最小尺寸 目标的最大尺寸 # 按 Q 键退出函数 def cascade_video_person_detect_draw(video_path, xml_path, bgr, min_size, max_size): cap = cv2.VideoCapture(video_path) # 告诉OpenCV使用什么识别分类器 classfier = cv2.CascadeClassifier(xml_path) while cap.isOpened(): # 读取一帧数据 ret, frame = cap.read() # 抓取不到视频帧，则退出循环 if not ret: break # 显示方向 frame = cv2.flip(frame, 1) # 将当前帧转换成灰度图像 grey = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY) # 检测结果 # 第一个参数是灰度图像 # 第而个参数scaleFactor表示每次图像尺寸减小的比例 # 第三个参数是人脸检测次数，设置越高，误检率越低，但是对于迷糊图片，我们设置越高，越不易检测出来 # minSize为目标的最小尺寸 # maxSize为目标的最大尺寸 found = classfier.detectMultiScale(grey, scaleFactor=1.1, minNeighbors=4, minSize=min_size, maxSize=max_size) # 框出识别结果 if len(found) > 0: for foundRect in found: x, y, w, h = foundRect cv2.rectangle(frame, (x - 10, y - 10), (x + w + 10, y + h + 10), bgr, 1) # 显示图像 cv2.imshow('person detection', frame) # 键盘Q键结束 c = cv2.waitKey(10) if c & 0xFF == ord('q'): break # 释放摄像头并销毁所有窗口 cap.release() cv2.destroyAllWindows() print("视频识别结束。") # 读取图片，修改为自己的路径即可 img = cv2.imread("img/people_detection/4.jpg") # 等比缩放至500*500 img = resize_keep_aspectratio(img, [500, 500]) gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) # 存储所有识别出的坐标集 found_filtered = [] hog = cv2.HOGDescriptor() # 加载SVM模型 行人识别 hog.setSVMDetector(cv2.HOGDescriptor_getDefaultPeopleDetector()) # 对图像进行多尺度目标检测 返回检测到区域的坐标 found, w = hog.detectMultiScale(gray) # print(found) # 筛选识别出的人矩形数据 screen_found(found) # 在原图上绘出识别出的所有矩形 蓝色 for person in found_filtered: draw_person(img, person, (255, 0, 0)) # 清空列表 found_filtered.clear() print("HOGDescriptor_getDefaultPeopleDetector 识别出:" + str(len(found)) + "个结果。") # 正脸识别 绿色 cascade_img_person_detect_draw(gray, img, "data/haarcascade_frontalface_default.xml", (0, 255, 0), (0, 0), (500, 500)) # 侧脸识别 红色 cascade_img_person_detect_draw(gray, img, "data/haarcascade_profileface.xml", (0, 0, 255), (0, 0), (500, 500)) # 全身识别 青色 cascade_img_person_detect_draw(gray, img, "data/haarcascade_fullbody.xml", (255, 255, 0), (0, 0), (500, 500)) # 上半身识别 洋红 cascade_img_person_detect_draw(gray, img, "data/haarcascade_upperbody.xml", (255, 0, 255), (0, 0), (500, 500)) # 下半身识别 黄色 cascade_img_person_detect_draw(gray, img, "data/haarcascade_lowerbody.xml", (0, 255, 255), (0, 0), (500, 500)) cv2.imshow("people detection", img) cv2.waitKey(0) cv2.destroyAllWindows() # 视频素材来自：https://wedistill.io/categories/people # 参数 需要识别的视频路径 xml路径 bgr颜色 目标的最小尺寸 目标的最大尺寸 cascade_video_person_detect_draw("video/1.mp4", "data/haarcascade_upperbody.xml", (0, 255, 0), (50, 50), (1000, 3000))